阿裏首次公佈自然語言處理成果

業界普遍認為，自然語言處理是人工智慧中最難的部分，也是決定 AI 是否「智慧」的關鍵因素。王成龍在接受機器之心採訪時説，「阿里巴巴在語音交互技術方面已經深耕多年，並已在多類産品中應用。

針對這篇論文，該團隊向機器之心發佈了獨家技術解讀：

語義編碼的意義

自然語言這一被人類發明的信號系統，通常被我們歸為一種「非結構化數據」。其原因在於，自然語言文本是由一堆符號（token）順序拼接而成的不定長序列，很難直接轉變為電腦所能理解的數值型數據，因而無法直接進行進一步的計算處理。語義編碼的目標即在於如何對這種符號序列進行數值化編碼，以便於進一步地提取和應用其中所蘊含的豐富資訊。語義編碼是所有自然語言處理（Natural Language Processing，NLP）工作的「第一步「，同時也很大程度地決定了後續應用的效果。

傳統的文本編碼方式通常將其當作離散型數據，即將每個單詞（符號）作為一個獨立的離散型數值，如 Bag-of-Words (BOW)、TF-IDF 等。但是這類方法忽略了單詞與單詞之間的語義關聯性，同時也難以對單詞的順序及上下文依賴資訊進行有效編碼。近幾年，深度學習技術被廣泛的應用於 NLP 領域，並在眾多演算法命題上取得了突破。其本質在於，深度神經網路在特徵提取（語義編碼）上具有極大的優勢。

已有方法的瓶頸

當前，較為常用的文本語義編碼模型包括迴圈神經網路（Recurrent Neural Network，RNN）以及卷積神經網路（Convolution Neural Network，CNN）。