2017 年回顾：NLP、深度学习与大数据

译者 | 核子可乐、薛命灯 编辑 | Emily 过去几年以来，深度学习（简称 DL）架构及算法已经在图像识别与自然语言处理（NLP）、数据科学、机器学习和预测分析领域领域取得了令人印象深刻的进展。尽管其在自然语言处理（简称 NLP）领域的应用最初较为平淡，但如今的成效已经证明这一层面将成为深度学习的另一大施展空间，并确实有能力为部分常见 NLP 任务提供最先进的支持成果。命名实体识别（简称 NER）、词类（简称 POS）标记乃至情感分析都已经成为神经网络模型超越传统处理方法的重要应用方向。而在此之中，机器翻译的进步幅度尤为可观。更多干货内容请关注微信公众号“AI 前线”，（ID：ai-front） 在今天的文章中，我们将回顾 2017 年年内基于深度 ………………………………