何者是深度學習與其他機器學習演算法的主要的問題，透過圖書和論文來找解法和答案更準確安心。 我們找到下列問答集和整理懶人包

自然語言處理之深度學習模型於股市消息面情緒判別分析之研究

為了解決何者是深度學習與其他機器學習演算法的主要的問題，作者劉佩錡 這樣論述：

近年來因物價的提高，且薪水的漲幅通常小於物價的漲幅，人們開始尋找其他獲利的方式來進行投資，而台灣屬於海島型國家，內需市場較小，且投資環境和股價更容易受到政治、全球經濟的波動或新聞事件的報導所影響，因此財經新聞的內容更是投資者的重要消息來源。而隨著時代的變遷，人們蒐集資訊更加快速，且網路更是缺一不可的主要管道，但網路的資訊卻充斥著大量的文字形式，而在資訊爆炸的時代如何快速了解內容，是一個值得探討的議題。而在本研究當中，透過建立深度學習模型中的長短期記憶類神經網路、雙向長短期記憶類神經網路以及一維卷積神經網路，其能夠充分的運用文章的前後文特性，來判斷財經新聞的語意，並以機器學習中的KNN方法作為

基準，判斷模型的好壞，其中深度學習的參數設定也是本研究探討的一部分。此外，本研究也運用了財經辭典以及停用詞字典，建立Word2Vec以及Doc2Vec，再透過深度學習模型來探討有無使用財經辭典的效果，並一併探討這兩種建立Word Embedding的方法運用在本研究的模型中何者較為優秀。最後在有限的資料量下，找出最佳模型並討論平衡資料與不平衡資料下的效果差異。經由本研究的實驗，發現在有使用財經辭典下建立的Word2Vec方法結合雙向長短期記憶類神經網路為最佳模型，平均準確率可以達到75.07%，最後在不平衡資料之下建立的雙向長短期類神經網路，預測準確率可以達到77.24%，可見深度學習模型在預

測財經新聞的語意判斷有一定的參考度。