Zurück

Mit verlängertem Kurzzeitgedächtnis – Anwendungsfälle für Long-Short-Term-Memory-Netze

Im Gegensatz zu einfachen Feed-Forward-Netzen ermöglichen Recurrent-Neural-Network-Architekturen (RNN) – wie zum Beispiel die LSTMs (Long Short-Term Memory) – das Training von zeitbasierten Werten über lange Zeiträume.

Dieser Vortrag erklärt zunächst die Grundlagen dieser Netze und deren Implementierung mit Hilfe von Tensorflow. Darauf aufbauend werden dann geschäftliche Anwendungsfälle vorgestellt, bei denen LSTMs eine mögliche Lösung aufzeigen: Attributionsmodellierung im Online-Marketing, Sentiment Analysis im Kundensupport und automatische Textgenerierung/Verschlagwortung im Content-Marketing