実践 自然言語処理 ―実世界NLPアプリケーション開発のベストプラクティス

訳者まえがき

過去10年間のNLPの発展に機械学習が与えた影響の大きさは計り知れません。Word2vecで単語の類似度やアナロジーの計算ができるようになったと思ったら、Seq2seqでエンドツーエンドの翻訳ができるようになり、ニューラルアーキテクチャサーチでニューラルネットワークの設計を自動化したかと思えば、BERTの登場によりNLPでも転移学習が一般的になり、GPT-3に至ってはファインチューニングすらせずに問題を解けることを示しました。そして、それらを扱うためのフレームワークとしてTensorFlowやPyTorchが整備され、誰でもクラウド上のGPUを使って学習できるのです。こんな時代が来ると予測していた人がいたでしょうか？

その一方、ほとんどの記事や書籍では、NLPを扱ってはいても、簡単なユースケースや大規模かつ前処理済みのデータセットを使い、最初からディープラーニングを使って問題を解決する方法を解説しています。確かにこれでもNLPの一般的な手法は学べますが、それだけでは現場の問題には対処できません。そもそも、現場ではきれいで大規模なデータセットなど非常にまれなので、大規模なデータが必要なモデルを最初から使うのには向いていないでしょう。また、実際にはモデルを学習するだけでは不十分で、実際のアプリケーションの一部として組み込むためにデプロイする必要があります。

本書は、実際のNLPアプリケーションを構築する人に必要な知識をカバーした本です。多くの本が機械学習アルゴリズムの理論や実装に焦点を当てているのに対し、本書ではデータ収集からモデルのデプロイといったプロジェクトのライフサイクル全体に焦点を当てています。また、単なる機械学習やNLPの解説にとどまらず、Eコマースや医療、ソーシャルメディアといった実際にNLPが使われている分野のシステムの仕組みを明らかにしているのも特徴的です。単なるモデルの学習方法以上のことを学びたいという方にとっては、本書は最適でしょう。本書が多くのNLPエンジニアに読まれることを願っています。 ...