Re: [請益] 深度學習的實際應用
原文恕刪
我進入職場後才發現
還是真的有些資訊人對機器學習或資料探勘認識不多
而且原po文底下對text領域的推文好像比較少
所以我簡單分享一下我的領域還有實際應用
我研究所是做text mining, word embedding, topic model(LDA), NLP
(拜託公司有缺人做這塊的請聯絡我XDD)
e.g. 1 LDA->推薦系統
LDA簡單來講就是分群 業界最常用的就是推薦系統
某家新創電商用LDA做推薦系統 在原本的計算能力下
推薦的命中率從原本的10%提升到45%~50%之間
e.g. 2 LDA+social network -> 熱門議題發掘
這是小魯做的研究之一
我們那時候跟某公司合作 挖掘社群網站內重要的議題
會依照不同人在社群內的領導性 迭代計算熱門程度及重要性
後來實際運用是新產品推廣和輿情分析 儘早發現對公司不利的言論以利後續滅火
e.g. 3 NLP -> 聊天問答機器人
這個是我現在主要做的領域
要處理的是對特定項目進行了解 還有給予使用者建議
這個其實蠻實際的 對組織來說 如何完整記載資訊還有提供給需要的人使用
這件事情一直都是人工處理
有這套系統後 員工遇到問題可以直接向機器人尋求協助
這可以降低溝通成本及加快開發效率
e.g. 4 word embedding -> 機器翻譯
傳統上對文字的處理大多是用one-hot的方式做輸入
不過很容易遇到維度太大 而且罕見詞浪費空間等問題
word embedding簡單來說就是可以把所有文字轉成固定大小的矩陣來處理
例如 queen = [0.1,0.5,0.2] king = [0.4,0.1,0.7] .....
那他神奇的地方在於 轉完的矩陣有關聯性
例如
queen - woman + man ~ king
I am starving ~ I am hungry (這個要額外做處理)
對不同文字間 可以再用NN做轉換就變成
I am starving ~ 我肚子餓了
不過這套目前還有一些問題還沒被解決
以上這四個例子其實都很常見
而且很難用非機器學習(可能不是NN)的方式得到更好的結果
簡單來說 機器學習在"無法簡單定義流程"的地方 通常可以獲得更好的成效
以上是我在這領域待3年左右的分享
不過我剛上班沒多久 看的可能比較狹隘
其他還請強者補充XD
--
Sent from my CASIO fx-991es .
--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 61.227.49.28
※ 文章網址: https://www.ptt.cc/bbs/Soft_Job/M.1485583424.A.573.html
推
01/28 15:06, , 1F
01/28 15:06, 1F
推
01/28 15:07, , 2F
01/28 15:07, 2F
推
01/28 15:15, , 3F
01/28 15:15, 3F
推
01/28 15:54, , 4F
01/28 15:54, 4F
推
01/28 15:54, , 5F
01/28 15:54, 5F
推
01/28 16:10, , 6F
01/28 16:10, 6F
→
01/28 16:16, , 7F
01/28 16:16, 7F
→
01/28 16:16, , 8F
01/28 16:16, 8F
→
01/28 16:22, , 9F
01/28 16:22, 9F
推
01/28 16:32, , 10F
01/28 16:32, 10F
→
01/28 16:33, , 11F
01/28 16:33, 11F
推
01/28 16:36, , 12F
01/28 16:36, 12F
→
01/28 16:36, , 13F
01/28 16:36, 13F
→
01/28 16:52, , 14F
01/28 16:52, 14F
推
01/28 17:08, , 15F
01/28 17:08, 15F
推
01/28 17:27, , 16F
01/28 17:27, 16F
推
01/28 17:39, , 17F
01/28 17:39, 17F
推
01/28 18:11, , 18F
01/28 18:11, 18F
推
01/28 18:14, , 19F
01/28 18:14, 19F
推
01/28 18:47, , 20F
01/28 18:47, 20F
推
01/28 18:49, , 21F
01/28 18:49, 21F
→
01/28 20:59, , 22F
01/28 20:59, 22F
推
01/28 22:28, , 23F
01/28 22:28, 23F
→
01/28 22:53, , 24F
01/28 22:53, 24F
→
01/28 22:54, , 25F
01/28 22:54, 25F
→
01/28 22:54, , 26F
01/28 22:54, 26F
推
01/29 11:13, , 27F
01/29 11:13, 27F
推
01/29 11:33, , 28F
01/29 11:33, 28F
推
01/30 01:13, , 29F
01/30 01:13, 29F
推
01/31 17:32, , 30F
01/31 17:32, 30F
推
02/19 01:57, , 31F
02/19 01:57, 31F
討論串 (同標題文章)
Soft_Job 近期熱門文章
34
109
PTT職涯區 即時熱門文章
69
111