间去搭建。
这还得是我们还其他语言学专业通力合作不产生嫌隙的情况下。
而涉及到10^3级别人工交叉打分一致的文本–摘要序列测试集更是难上加难。
以前我们只构建过10^2级别的。
测试集的搭建每上涨一个数量级相应的构建难度可是指数级的往上增长。
先前我们为测试提取式摘要算法构建的那个150条文本交叉打分一致的测试集就用了将近两个月的时间。”
而且为什么我们还要引入人工因素？
这样的话不是相当于又回到以前开发那种带有主观色彩的准确度评判标准的老路上了吗？”
埃克莱尔·基尔卡加：“这也正是我想表达的意思。
本来我也觉得不可能参照LINHUI的思路搞出新的衡量标准。
即便我们能按着LINHUI的技术路线走。
也会面临着过于庞大的工作量。”
听了埃克莱尔·基尔卡加的话。
哈雷·普莱斯很绝望：“也就是说仅仅是建立准确度衡量标准时的起步工作就会耗费我们大量的时间？
可是负责决策的那些高层根本不可能坐视我们在这个算法上浪费太多时间。
他们很可能会去直接谋求LINHUI的算法授权。
对于那些商业精英来说，技术什么的本来就是资本游戏的添头。
当他们获得LINHUI的新技术后我们估计会很惨……
我们究竟该怎么办呢？”
埃克莱尔·基尔卡加：“谁知道呢？兴许我们该收拾收拾准备去y度了。”
哈雷·普莱斯：“能去y度还不错呢，听说最近在筹建谷歌非洲研究中心了。
运气不好的话，估计我们要去非洲了。”
埃克莱尔·基尔卡加：。。。
当然了这些话只是调侃而已。
好歹也是顶尖研究机构的科研人员。
埃克莱尔·基尔卡加还不是那么容易就丧失斗志。
过了一会儿，埃克莱尔·基尔卡加道：“倒也不完全是无计可施。
我觉得我们不要按照LINHUI的技术路线走。
这个LINHUI太狡猾！
他公开在外面的信息很可能是留下来误导我们的。
我们现在要做的是明确凭借我们自身归纳出的一些结论。”
埃克莱尔·基尔卡加接着道：“按照以往我们的研究得到的规律。
神经网络的前一个输入和后一个输入是没有关系的。
没办法处理序列数据这种前后输入是有关联信息的数据。
而LINHUI在生成式摘要算法中提到的技术路线里面明确表示了要将文本信息通过向量来实现序列化标记之后再进一步处理。
在这种情况下，我觉得LINHUI所提出的算法里面应用的绝对不是一般的神经网络。
LINHUI在生成式摘要算法中应用的大概率是循环神经网络。
毕竟循环神经网路的结构非常适合用于处理序列信息。”
埃克莱尔·基尔卡加的话让哈雷·普莱斯眼前一亮，不过旋即新的疑惑也随之产生。
哈雷·普莱斯问道：“循环神经网络不仅要输入当前序列的数据。
还要输入上一时刻循环神经网络隐藏层参数的信息。
这样才能很好地处理序列之间的关联信息。
可是给我的感觉是LINHUI算法中应用的那个神经网络虽然有循环神经网络的影子。
但是似乎又和传统的循环神经网络有些不一样啊？”
埃克莱尔·基尔卡加嘀咕道：“确实如此，一般的循环神经网络适合处理序列结构，但是却不擅长处理长序列结构……”
沉吟之际，埃克莱尔·基尔卡加突然想到了什么，呼喊道：
“我知道了，一定是LSTM神经网络！”
哈雷·普莱斯被埃克莱尔·基尔卡加突然的呼喊吓了一跳。
不过埃克莱尔·基尔卡加提到的LSTM神经网络却也让他眼前一亮。
本书反派虽然不一定多强吧，但一定是有智商的。
请收藏：https://m.ruguo.cc
（温馨提示：请关闭畅读或阅读模式，否则内容无法正常显示）