Reinforcement Learning and Bandits for Speech and Language Processing: Tutorial, Review and Outlook

要約

近年、強化学習とバンディットは、ヘルスケア、金融、レコメンデーション システム、ロボット工学、そして何よりも重要な音声処理と自然言語処理を含む、現実世界の幅広いアプリケーションを変革してきました。
強化学習アルゴリズムのほとんどの音声および言語アプリケーションは、柔軟な最適化特性を備えたディープ ニューラル ネットワークのトレーニングの改善を中心としていますが、報酬駆動型の適応性など、強化学習の利点を活用するにはまだ多くの検討すべき根拠が残っています。
表現、時間構造、一般化可能性。
この調査では、強化学習とバンディットの最近の進歩の概要を示し、適応性、対話性、スケーラブルなモデルを使用して音声および自然言語処理の問題を解決するためにそれらを効果的に使用する方法について議論します。

要約(オリジナル)

In recent years, reinforcement learning and bandits have transformed a wide range of real-world applications including healthcare, finance, recommendation systems, robotics, and last but not least, the speech and natural language processing. While most speech and language applications of reinforcement learning algorithms are centered around improving the training of deep neural networks with its flexible optimization properties, there are still many grounds to explore to utilize the benefits of reinforcement learning, such as its reward-driven adaptability, state representations, temporal structures and generalizability. In this survey, we present an overview of recent advancements of reinforcement learning and bandits, and discuss how they can be effectively employed to solve speech and natural language processing problems with models that are adaptive, interactive and scalable.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google