SLIDE 1
Language ¡and ¡Classifica/on ¡
Sravana ¡Reddy ¡ Nov ¡9, ¡2015 ¡
happy ¡ joyful ¡ pleasant ¡ sad ¡ lonely ¡ warm ¡ cloudy ¡
Language and Classifica/on Sravana Reddy Nov 9, 2015 - - PowerPoint PPT Presentation
Language and Classifica/on Sravana Reddy Nov 9, 2015 - - PowerPoint PPT Presentation
Language and Classifica/on Sravana Reddy Nov 9, 2015 joyful pleasant happy lonely cloudy warm sad Why isn't the future here already? Where
SLIDE 2
SLIDE 3
Where ¡is ¡my ¡evil ¡robot ¡ ¡ space ¡travel ¡companion? ¡
SLIDE 4
How ¡close ¡are ¡we ¡to ¡this? ¡
hBps://www.youtube.com/watch?v=n1AjtIAje3o ¡ ¡
SLIDE 5
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 1. ¡Convert ¡voice ¡input ¡into ¡words ¡
SLIDE 6
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 2. ¡Convert ¡words ¡into ¡meaning ¡
Merhaba!
SLIDE 7
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 3. ¡Use ¡world ¡knowledge ¡to ¡
respond ¡ ¡
SLIDE 8
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 4. ¡Convert ¡response ¡into ¡words ¡
SLIDE 9
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 5. ¡Convert ¡words ¡into ¡natural-‑
sounding ¡speech ¡
SLIDE 10
Machine ¡conversa/ons: ¡ Where ¡do ¡we ¡begin? ¡
- 1. Convert ¡voice ¡input ¡into ¡words ¡
¡
- 2. Convert ¡language ¡into ¡meaning ¡
¡
- 3. Use ¡world ¡knowledge ¡to ¡respond ¡
¡
- 4. Convert ¡response ¡into ¡words ¡
¡
- 5. Convert ¡words ¡into ¡natural-‑sounding ¡speech ¡
speech ¡recogni/on ¡ "core ¡AI", ¡search, ¡logic ¡ language ¡genera/on ¡ language ¡understanding ¡ speech ¡synthesis ¡
SLIDE 11
But ¡that's ¡just ¡the ¡minimum ¡
- Judge ¡emo/on ¡from ¡voice ¡and ¡word ¡usage ¡
¡
- Iden/fy ¡the ¡general ¡topic ¡of ¡conversa/on ¡
¡
- Iden/fy ¡the ¡speaker ¡
- Iden/fy ¡the ¡speaker's ¡gender ¡or ¡ethnicity ¡
SLIDE 12
E-‑mail ¡Classifica/on ¡
SLIDE 13
E-‑mail ¡Classifica/on ¡
SLIDE 14
E-‑mail ¡Classifica/on ¡
SLIDE 15
Building ¡Classifiers ¡
Labeled ¡ Examples ¡ Model ¡
training ¡
Unlabeled ¡ ¡ Example ¡ Unlabeled ¡ ¡ Example ¡
applica/on ¡
Label ¡ Label ¡
SLIDE 16
Classifica/on ¡Algorithms ¡ ¡
- Naïve ¡Bayes ¡
- Logis/c ¡Regression ¡
- Perceptrons ¡
- Support ¡Vector ¡Machines ¡
- Decision ¡Trees ¡
- Gaussian ¡Mixture ¡Models ¡
- K ¡Nearest ¡Neighbors ¡
- Neural ¡Networks ¡
- … ¡
SLIDE 17
Sen/ment ¡Analysis ¡
hBps://www.csc.ncsu.edu/faculty/healey/ tweet_viz/tweet_app/ ¡ ¡ ¡ ¡ hBp://alt.qcri.org/semeval2016/task4/ ¡ ¡
SLIDE 18
Gender ¡(or ¡other ¡demographic) ¡ Predic/on ¡
SLIDE 19
Solving ¡Authorship ¡Mysteries! ¡
The ¡Federalist ¡Papers ¡
James ¡Madison ¡ Alexander ¡Hamilton ¡
SLIDE 20
Other ¡Features? ¡
- Fine-‑grained ¡language: ¡
– Word ¡sequences ¡ – Grammar ¡ – Word ¡meanings ¡ ¡
- User ¡informa/on ¡
- Social ¡network ¡
SLIDE 21
Classifica/on ¡for ¡more ¡complex ¡tasks? ¡
- 1. Convert ¡voice ¡input ¡into ¡words ¡
¡
- 2. Convert ¡language ¡into ¡meaning ¡
¡
- 3. Use ¡world ¡knowledge ¡to ¡respond ¡
¡
- 4. Convert ¡response ¡into ¡words ¡
¡
- 5. Convert ¡words ¡into ¡natural-‑sounding ¡speech ¡
speech ¡recogni/on ¡ "core ¡AI", ¡search, ¡logic ¡ language ¡genera/on ¡ language ¡understanding ¡ speech ¡synthesis ¡
SLIDE 22
Classifiers ¡with ¡Structured ¡Outputs ¡
Labeled ¡ Examples ¡ Model ¡
training ¡
Unlabeled ¡ ¡ Example ¡ Unlabeled ¡ ¡ Example ¡
applica/on ¡
Sentence ¡ Sentence ¡
Data: ¡Audio. ¡Label: ¡sentence ¡ Data: ¡Spanish ¡sentence. ¡Label: ¡English ¡sentence ¡ Data: ¡Meaning. ¡Label: ¡sentence ¡