Google最新人工智能算法RankBrain的实现--写在后面的话

大家知道，就在上个月26号，Danny Sullivan 发表在Search Engine Land网站的一篇对于谷歌新的RankBrain算法原理解析（ 原文），顿感机器学习技术在搜索引擎中的重要性。由此，翻译一篇google开源博客中的一篇文章： 写在学习后面的话。



在当前，电脑是不是很善于理解人类的语言，这迫使人们做了很多繁重的工作，例如，说“搜索”在网上查找资料，或通过冗长的表格苦读预订行程。计算机要理解自然语言的更好，让人们可以更轻松地与他们进行互动，并享受生活的有趣的部分。

虽然国家的最先进的技术，仍然是来自这个目标方面，我们正在利用最新的机器学习和自然语言处理技术显著的进步。深度学习也明显提高语音识别和图像分类。例如，我们已经表明，计算机可以学会识别猫（和许多其他物体）只是通过观察大量图像，没有明确被训练上了猫的样子。现在，我们运用神经网络通过让他们“看”数量庞大的文字在网络上认识的话。我们正在扩展这种方法的数据集比以前什么有可能大几千倍，我们已经看到了业绩的显着改善 - 但我们认为这可能是更好的。为促进机器学习如何运用自然语言问题的研究，我们正在发布一个开源工具包称为word2vec，目的是学习后面的话的含义。

Word2vec采用分布式的文字表述来捕获概念之间的相似性。例如，它的理解是巴黎和法国都涉及同样的方式柏林和德国（资本和国家），并没有以同样的方式马德里和意大利。该图表显示，以及它如何能够通过阅读大量新闻稿件学习省会城市的概念 - 没有人监督：

  该模型不仅给类似的国家彼此相邻，而且还安排他们的首都城市并列。最有趣的部分是，我们之前或期间的训练并没有提供任何监督信息。许多像这样的更多的模式在训练中会自动出现。

这具有非常广泛的应用潜力：知识提取、机器翻译、问答、对话系统等

我们希望这可以帮助研究人员在机器学习，人工智能，自然语言方向，使他们能够创造出惊人的现实世界的应用。

word2vec源码C语言实现现已被我转藏到hithub，想要学习的同学可以去下载。

github:https://github.com/chorylee001/word2vec