091 | Word2Vec算法有哪些应用？

周一，我们分享了三个比较有代表意义的 Word2Vec 的扩展模型，主要有两种思路，从词的上下文入手重新定义上下文，或者对完全不同的离散数据进行建模。

上回说到经历了代码被偷，以及和发行商打官司的事件之后，《半条命 2》终于发行了。这款游戏最终没有让人失望，Valve 出品必属精品，这是必然的。

《半条命 2》里面的 NPC（即“非玩家角色”）有很高的人工智能属性，这和当时发行的很多游戏都不同。而《半条命 2》使用了 Valve 后来非常著名的 Source 引擎，加上《半条命 2》里面独有的物理引擎，一切都让这款游戏显得非常独特。

092 | 序列建模的深度学习利器：RNN基础架构

前面我们介绍了一个重要的文本模型，Word2Vec，我们聊了这个模型的基本假设，模型实现，一些重要的扩展，以及其在自然语言处理各个领域的应用。

在 Steam 平台和游戏《半条命》之外，现在大家对于 Valve 关注度最大的是一款叫作 Dota 2 的游戏。

简单来说，Dota 2 是由 Valve 开发的一款免费的多人在线竞技类游戏。基本的玩法是两支队伍各有 5 位成员，在游戏地图上对抗，每位成员可以从 113 位英雄里面选择一位作为自己的角色。游戏的最终目的是摧毁对方基地里面的关键建筑：遗迹。

093 | 基于门机制的RNN架构：LSTM与GRU

这周，我们继续来讨论基于深度学习的文本分析模型。这些模型的一大特点就是更加丰富地利用了文字的序列信息，从而能够对文本进行大规模的建模。在上一次的分享里，我们聊了对序列建模的深度学习利器“递归神经网络”，或简称 RNN。我们分析了文本信息中的序列数据，了解了如何对文本信息中最复杂的一部分进行建模，同时还讲了在传统机器学习中非常有代表性的“隐马尔科夫模型”（HMM）的基本原理以及 RNN 和 HMM 的异同。

前面我说到了最近几年大红大紫的游戏 Dota 2，今天和你一起看看 Valve 公司在管理和招人上的故事。你会发现，Valve 公司在人事方面可能是世界上最有特色的公司之一。

094 | RNN在自然语言处理中有哪些应用场景？

周一我们进一步展开了 RNN 这个基本框架，讨论了几个流行的 RNN 模型实现，从最简单的 RNN 模型到为什么需要“门机制”，再到流行的 LSTM 和 GRU 框架的核心思想。

Pic Author：CULLEN STEBER

Valve 公司其实还是一家以“创新”著称的公司。早年在《半条命》里面的创新主要在于游戏情节，但后来将 Steam 作为游戏分发平台打造，其开始时间比 iTunes 还要早。

095 | 对话系统之经典的对话模型

在文本分析这个重要的环节里，我们已经分享了 Word2Vec 模型，包括模型的基本假设、模型实现以及一些比较有代表意义的扩展模型。我们还讨论了基于深度学习的文本分析模型，特别是对序列建模的深度学习利器 RNN，包括 RNN 的基本框架，流行的 RNN 模型实现，以及 RNN 在自然语言处理中的应用场景。

Valve 是一家极具特色的游戏公司。Valve 有非常卖座的游戏，有被誉为游戏界 iTunes 的游戏发行平台 Steam，有人气爆棚的联网游戏 Dota 2，还有代表着未来的虚拟现实技术。在整个电子游戏界，你真的很难再找出第二家这样面面俱到，又每个方面都做得出彩的公司。