自然语言处理教学中经典方法与深度学习方法的平衡
计算与语言
2024-07-10 v2
摘要
尽管深度学习方法代表了当今自然语言处理（NLP）的最先进水平，但经典算法和方法在近年来的NLP教科书和课程中仍占有一席之地。本文讨论了在澳大利亚和印度开设的两门NLP入门课程召集人的观点，并探讨了如何在课程讲座计划和评估中平衡经典与深度学习方法。我们还将其与CS1教育中“对象优先”与“对象后置”的争论进行了类比。我们观察到，教授经典方法通过建立对NLP问题、潜在解决方案乃至深度学习模型本身的直观理解，为学生的学习增添了价值。尽管经典方法并非最先进，但本文论证了在当今NLP课程中纳入它们的必要性。
引用
@article{arxiv.2405.09854,
title = {Striking a Balance between Classical and Deep Learning Approaches in Natural Language Processing Pedagogy},
author = {Aditya Joshi and Jake Renzella and Pushpak Bhattacharyya and Saurav Jha and Xiangyu Zhang},
journal= {arXiv preprint arXiv:2405.09854},
year = {2024}
}
备注
Selected for publication at Teaching NLP workshop at ACL 2024; 9 pages + references