我们为什么在NLP任务中进行填充？
在NLP任务中，人们用SOC（句子的开头）和EOC（句子的结尾）注释句子是很常见的。他们为什么这样做 它是一种依赖于任务的性能吗？例如，在NER问题中填充的原因与在翻译问题中填充的原因不同？在NER问题中，您使用填充作为从上下文中提取更多有用的特征，但是在翻译问题中，您使用填充来识别句子的结尾，因为解码器是逐句训练的。为什么NLP中存在输出结尾填充？ 假设我们想使用RNN（递归神经网络）为我们完成一个句子。让我们给它一句话“如果一开始你没有成功”。我们希望它输出“重试”，然后知道停止。重要的是停下来。如果我们只使用句点，那么我们就不能使用相同的RNN来输出多句应答 如果我们用RNN来回答一个问题，那么答案可能有多个句子 为什么NLP中有输出填充的开始？ 比如说，我们训练一名RNN学习诗歌，我们想让它以我们训练它的方式创作原创诗歌。我们必须给它一个开始诗歌的标志。我们可以给它第一个词或我们可以说开始。如果我们将RNN训练为始终从唯一的标记（如输出标记的开始）开始，则RNN可以选择要使用的第一个字 总结 一件事情的开始和结束对我们来说是如此直观，以至于我认为很容易忘记，在某一点上，我们必须学习什么时候足够（结束标记）以及何时或如何开始（开始标记），但RNN必须学习这两件事我们为什么在NLP任务中进行填充？,nlp,deep-learning,Nlp,Deep Learning,在NLP任务中，人们用SOC（句子的开头）和EOC（句子的结尾）注释句子是很常见的。他们为什么这样做 它是一种依赖于任务的性能吗？例如，在NER问题中填充的原因与在翻译问题中填充的原因不同？在NER问题中，您使用填充作为从上下文中提取更多有用的特征，但是在翻译问题中，您使用填充来识别句子的结尾，因为解码器是逐句训练的。为什么NLP中存在输出结尾填充？ 假设我们想使用RNN（递归神经网络）为我们完成一个句子。让我们给它一句话“如果一开始你没有成功”。我们希望它输出“重试”，然后知道停止。重要的是停