運用深度學習來理解自然語言

深度學習是機器學習技術的乙個名字，其使用多層人工神經網路。

機器學習和人工智慧的一部分作用是如何使用文字和現有的知識來讓計算機變得更智慧型。在深度學習出現之前，文字影象所包含的意思是通過人為設計的符號和結構傳達給計算機。深度學習則是用向量來表示語義，如何靈活的表示向量、如何用向量編碼的語義去完成分類、識別等工作。深度學習使用向量來表示語義，因此概念不再是由乙個龐大的符號來表示，而是由特徵值表示的乙個向量來表示。向量的每次索引代表神經網路訓練得到的乙個特徵，向量的長度一般在300左右，他是一種更為高效的概念表示方法，因為這裡的概念是由特徵組成的。兩個符號只有相同或者不同的兩種情況，而兩個向量可以用相似性來衡量。『慶豐包子』對應的向量與『狗不理包子』對應的向量很接近，但是他們和『坦克』對應的向量差別較大。

文字自然語言處理中，已知原來表示單個詞語的向量，如何使用這些詞表示語義，形成完成的句子，是通過使用遞迴神經網路（rnn）的技術。