[討論] 台灣對於NLP這一塊的未來性已刪文

看板Tech_Job作者 (我可以)時間6年前 (2019/05/27 00:04), 6年前編輯推噓13(19推 6噓 47→)
留言72則, 21人參與, 6年前最新討論串1/1
大家好，打給厚 最近小弟在看一些NLP的相關工作 有一種感覺是 台灣對於這一塊的需求不是那麼高？ 不知道是做的產業比較沒有相關 還是說對於這一塊的發展比較沒那麼重視？ 不知道大家對於NLP這一塊有沒有什麼想法 歡迎大家提出來討論～ 謝謝大家 -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 114.137.196.213 ※ 文章網址: https://www.ptt.cc/bbs/Tech_Job/M.1558886653.A.AB6.html
噓
05/27 00:09, 6年前 , 1F
作業自己作
05/27 00:09, 1F
推
05/27 00:28, 6年前 , 2F
容易有通用解 交給大廠優化 買API就好
05/27 00:28, 2F
噓
05/27 00:33, 6年前 , 3F
什麼是NLP?
05/27 00:33, 3F
噓
05/27 00:47, 6年前 , 4F
Neuro-Linguistic Programming ???
05/27 00:47, 4F
自然語言處理（英語：Natural Language Processing，縮寫作 NLP）是人工智慧和語言 學領域的分支學科。此領域探討如何處理及運用自然語言；自然語言處理包括多方面和步 驟，基本有認知、理解、生成等部分。 自然語言認知和理解是讓電腦把輸入的語言變成有意思的符號和關係，然後根據目的再處 理。自然語言生成系統則是把電腦資料轉化為自然語言。 ※ 編輯: meokay (114.137.196.213), 05/27/2019 00:55:31
推
05/27 04:24, 6年前 , 5F
作業自己做不然去找正妹教授問
05/27 04:24, 5F
噓
05/27 06:50, 6年前 , 6F
還以為你是心理系的
05/27 06:50, 6F
→
05/27 07:44, 6年前 , 7F
NLP ASR 國外已經蠻成熟了
05/27 07:44, 7F
推
05/27 08:32, 6年前 , 8F
跟职棒草创10年一样感觉
05/27 08:32, 8F
噓
05/27 08:52, 6年前 , 9F
不會問教授哦？如過教授也不知道那他就不夠格
05/27 08:52, 9F
→
05/27 09:05, 6年前 , 10F
你打開google 搜一下，買網購搜商品，用到多少NLP ,做點功
05/27 09:05, 10F
→
05/27 09:05, 6年前 , 11F
課都不會？
05/27 09:05, 11F
→
05/27 09:15, 6年前 , 12F
至於說NLP, 有通用解，買大廠API 的，肯定不在這行業做事
05/27 09:15, 12F
→
05/27 09:15, 6年前 , 13F
啦。沒通用解。
05/27 09:15, 13F
→
05/27 09:16, 6年前 , 14F
NLP 成熟？ 也不是現況吧。
05/27 09:16, 14F
推
05/27 09:58, 6年前 , 15F
原po問的也還好吧，這麼凶
05/27 09:58, 15F
推
05/27 10:36, 6年前 , 16F
以做了一些NLP專案還有修課也面了幾間之後的感想是，繁
05/27 10:36, 16F
→
05/27 10:36, 6年前 , 17F
體中文資源不足（語料庫）,簡體用語無法移植，歧異詞，
05/27 10:36, 17F
→
05/27 10:37, 6年前 , 18F
模型跨領域效能低等等技術問題，從論文研究到企業實作
05/27 10:37, 18F
→
05/27 10:37, 6年前 , 19F
，都無法克服這些障礙，即時有解，商業應用也是很大的
05/27 10:37, 19F
→
05/27 10:37, 6年前 , 20F
難題
05/27 10:37, 20F
推
05/27 10:43, 6年前 , 21F
投資報酬率很低的領域
05/27 10:43, 21F
推
05/27 12:03, 6年前 , 22F
Dr.tech在中國工作 的確中文NLP還有很多挑戰
05/27 12:03, 22F
推
05/27 12:16, 6年前 , 23F
至於有沒有通用解 就看解的層級了 不然怎有BERT這類模
05/27 12:16, 23F
→
05/27 12:16, 6年前 , 24F
型的誕生
05/27 12:16, 24F
推
05/27 12:49, 6年前 , 25F
個人覺得全部輸google
05/27 12:49, 25F
推
05/27 12:58, 6年前 , 26F
比起語句的理解，我覺得更難處理的是記憶(前後對話關聯)
05/27 12:58, 26F
推
05/27 13:01, 6年前 , 27F
光是中文斷詞跟NER就還有很多研究空間了其實
05/27 13:01, 27F
→
05/27 14:44, 6年前 , 28F
NLP在英文語系已經不是太大的問題 對於一般語句跟目前應用
05/27 14:44, 28F
→
05/27 14:44, 6年前 , 29F
是足夠了 而中文缺乏的就只是單純詞庫 語法的問題 這都可以
05/27 14:44, 29F
→
05/27 14:44, 6年前 , 30F
克服的
05/27 14:44, 30F
→
05/27 14:46, 6年前 , 31F
至於文章理解 已經到NLU更深入的範疇了
05/27 14:46, 31F
推
05/27 15:21, 6年前 , 32F
如果做出來只能給台灣人用 那經濟規模不足以撐起這個產業
05/27 15:21, 32F
→
05/27 15:21, 6年前 , 33F
05/27 15:21, 33F
推
05/27 17:03, 6年前 , 34F
近幾年的papers有提出說相近意思的文字在space上很近
05/27 17:03, 34F
→
05/27 17:04, 6年前 , 35F
不知道後續有沒有繼續發展出一個one-for-all的技術?
05/27 17:04, 35F
→
05/27 19:17, 6年前 , 36F
word embedded or vector 就已經算是one for all了
05/27 19:17, 36F
噓
05/27 19:22, 6年前 , 37F
學校請自己寫
05/27 19:22, 37F
→
05/27 19:22, 6年前 , 38F
學校作業
05/27 19:22, 38F
→
05/27 21:44, 6年前 , 39F
釣出一堆外行人。目前還沒出現通用的word embedding技術。
05/27 21:44, 39F
→
05/27 21:44, 6年前 , 40F
word2vec 到現在的各種預訓練語言模型，例如bert。 都還不
05/27 21:44, 40F
→
05/27 21:44, 6年前 , 41F
能跨領域來用。
05/27 21:44, 41F
→
05/27 21:47, 6年前 , 42F
簡單的一詞多義，word embedding 都沒辦法跨領域有不同的
05/27 21:47, 42F
→
05/27 21:47, 6年前 , 43F
表示了，只能換不同的 corpus 重新訓練。
05/27 21:47, 43F
→
05/27 21:54, 6年前 , 44F
至於投資報酬率低更是誤解。google 最大營收，廣告收入,
05/27 21:54, 44F
→
05/27 21:54, 6年前 , 45F
就是NLP學得好的例子與方向。更不用說台灣現在爛到爆炸的
05/27 21:54, 45F
→
05/27 21:54, 6年前 , 46F
購物商品推薦，也是市場上商機最清楚的機器學習應用點。
05/27 21:54, 46F
→
05/27 22:02, 6年前 , 47F
BERT 模型，看起來通用，實際上在各領域或各種 task , 還
05/27 22:02, 47F
→
05/27 22:02, 6年前 , 48F
不是要在神經網路架構上層, 重新訓練。所以個人認為，目前
05/27 22:02, 48F
→
05/27 22:02, 6年前 , 49F
很難有萬用模型啦。
05/27 22:02, 49F
→
05/27 22:07, 6年前 , 50F
台灣的NLP市場，大多都被國外賺走了，很可惜。
05/27 22:07, 50F
→
05/27 22:16, 6年前 , 51F
誰跟你說過word embedded 是通用的？不同應用本來就要重tra
05/27 22:16, 51F
→
05/27 22:16, 6年前 , 52F
in...
05/27 22:16, 52F
→
05/27 22:18, 6年前 , 53F
如果你要萬能模型 請慢慢等吧 台灣做不出來就是這種短視近
05/27 22:18, 53F
→
05/27 22:18, 6年前 , 54F
利 國外ASR NLP都做多久了 而且要相互搭配
05/27 22:18, 54F
→
05/27 22:19, 6年前 , 55F
台灣過去根本沒基礎 又短視近利 又想一步登天 這才是好笑
05/27 22:19, 55F
→
05/27 22:19, 6年前 , 56F
的地方
05/27 22:19, 56F
推
05/27 22:46, 6年前 , 57F
不是阿 萬用模型 本然就是指 你可以用那個架構重train
05/27 22:46, 57F
→
05/27 22:48, 6年前 , 58F
不過短短幾行推文 也難以了解彼此意思 不過直接喊外行
05/27 22:48, 58F
→
05/27 22:48, 6年前 , 59F
也是太偏激了點就是
05/27 22:48, 59F
→
05/27 23:05, 6年前 , 60F
少加了點字，在台灣報酬率低
05/27 23:05, 60F
推
05/27 23:09, 6年前 , 61F
NLP會說通用解是指應用情境 很難差異化 資料大者通吃
05/27 23:09, 61F
推
05/27 23:13, 6年前 , 62F
翻譯 購物推薦 ASR 都可以看出誰是領先者
05/27 23:13, 62F
→
05/27 23:14, 6年前 , 63F
然後換個語言和情境 多一種排列組合
05/27 23:14, 63F
推
05/27 23:16, 6年前 , 64F
不然想聽聽DrTech 對GPT2在寫文章上的領先有什麼高見
05/27 23:16, 64F
→
05/27 23:50, 6年前 , 65F
抱歉，短短推文的確有誤解。感謝你後來的說明，看懂了。
05/27 23:50, 65F
推
05/28 09:19, 6年前 , 66F
我只會PLP
05/28 09:19, 66F
→
05/28 09:36, 6年前 , 67F
澄清是誤會就好 台灣這塊真的落後不少 學界當初也做得不夠
05/28 09:36, 67F
→
05/28 09:36, 6年前 , 68F
深入 甚至都轉組 現在潮流一變遷就只能找海歸了
05/28 09:36, 68F
→
05/28 11:04, 6年前 , 69F
你知道直銷 最愛用NLP
05/28 11:04, 69F
→
05/28 11:08, 6年前 , 70F
NLP 本來就是坑，語言是被人類定義出來的東西
05/28 11:08, 70F
推
05/28 17:00, 6年前 , 71F
不是國外風風火火的東西 都適合拿回來台灣做 台灣需要認
05/28 17:00, 71F
→
05/28 17:00, 6年前 , 72F
清處自己在世界產業中間的位置
05/28 17:00, 72F
‣ 更多 meokay 的文章
文章代碼(AID): #1SwhZzgs (Tech_Job)