企业采用 NLP 需考量的成本
计算与语言
2021-04-16 v2
摘要
自然语言处理（NLP）近期的进展在很大程度上将基于深度 transformer 的模型推为首选的先进（SOTA）技术，却很少顾及生产与应用成本。计划将这些方法引入业务的企业面临困难，因为缺乏构建它们所需的机器、数据与人力资源。我们在常见的序列与文本标注任务中比较了经典学习算法与最新算法的性能与成本。在我们的工业数据集中，我们发现经典模型尽管成本更低，其表现常与深度神经模型相当。我们展示了各模型间性能提升与成本的权衡，以期为人工智能转型业务提供更多见解。此外，我们呼吁对低成本模型开展更多研究，尤其是针对资源不足的语言。
引用
@article{arxiv.2012.08958,
title = {Costs to Consider in Adopting NLP for Your Business},
author = {Made Nindyatama Nityasya and Haryo Akbarianto Wibowo and Radityo Eko Prasojo and Alham Fikri Aji},
journal= {arXiv preprint arXiv:2012.08958},
year = {2021}
}
备注
12 pages, 2 figures