自然语言处理 - 1.入门介绍

• 语言是知识和思维的载体
• 自然语言处理 (Natural Language Processing, NLP) 是计算机科学，人工智能，语言学关注计算机和人类(自然)语言之间的相互作用的领域。

NLP相关的技术

中文	英文	描述
分词	Word Segmentation	将连续的自然语言文本，切分成具有语义合理性和完整性的词汇序列
命名实体识别	Named Entity Recognition	识别自然语言文本中具有特定意义的实体(人、地、机构、时间、作品等)
词性标注	Part-Speech Tagging	为自然语言文本中的每个词汇赋予一个词性(名词、动词、形容词等)
依存句法分析	Dependency Parsing	自动分析句子中的句法成分(主语、谓语、宾语、定语、状语和补语等成分)
词向量与语义相似度	Word Embedding & Semantic Similarity	依托全网海量数据和深度神经网络技术，实现了对词汇的向量化表示，并据此实现了词汇的语义相似度计算
文本语义相似度	Text Semantic Similarity	依托全网海量数据和深度神经网络技术，实现文本间的语义相似度计算的能力
篇章分析	Document Analysis	分析篇章级文本的内在结构，进而分析文本情感倾向，提取评论性观点，并生成反映文本关键信息的标签与摘要
机器翻译技术	Machine Translating	基于互联网大数据，融合深度神经网络、统计、规则多种翻译方法，帮助用户跨越语言鸿沟，与世界自由沟通

场景案例

案例1(解决交叉歧义)

分词(Word Segmentation) : 将连续的自然语言文本，切分成具有语义合理性和完整性的词汇序列

例句: 致毕业和尚未毕业的同学。

1. 致 毕业 和 尚未 毕业 的 同学
2. 致 毕业 和尚 未 毕业 的 同学

其他案例:

1. 校友 和 老师 给 尚未 毕业 同学 的 一 封 信
2. 本科 未 毕业 可以 当 和尚 吗

案例2(从粒度整合未登录体词)

命名实体识别(Named Entity Recognition): 识别自然语言文本中具有特定意义的实体(人、地、机构、时间、作品等)

例句: 天使爱美丽在线观看

• 分词: 天使 爱 美丽 在线 观看
• 实体: 天使爱美丽 -> 电影

其他案例:

1. 网页: 天使爱美丽 土豆 高清视频
2. 网页: 在线直播 爱 美丽 的 天使

案例3(结构歧义问题)

• 词性标注(Part-Speech Tagging): 为自然语言文本中的每个词汇赋予一个词性(名词、动词、形容词等)
• 依存句法分析(Dependency Parsing): 自动分析句子中的句法成分(主语、谓语、宾语、定语、状语和补语等成分)

评论: 房间里还可以欣赏日出

• 房间里: 主语
• 还可以: 情态动词
• 欣赏: 动词
• 日出: 宾语

歧义:

1. 房间还可以
2. 可以欣赏日出

案例4(词汇语言相似度)

词向量与语义相似度(Word Embedding & Semantic Similarity): 对词汇进行向量化表示，并据此实现词汇的语义相似度计算。

例如: 西瓜 与 (呆瓜/草莓)，哪个更接近？

• 向量化表示: 西瓜(0.1222, 0.22333, .. )
• 相似度计算: 呆瓜(0.115) 草莓(0.325)
• 向量化表示: (-0.333, 0.1223 .. ) (0.333， 0.3333, .. )

案例5(文本语义相似度)

文本语义相似度(Text Semantic Similarity): 依托全网海量数据和深度神经网络技术，实现文本间的语义相似度计算的能力

例如: 车头如何防止车牌 与 (前牌照怎么装/如何办理北京牌照)，哪个更接近？

• 向量化表示: 车头如何防止车牌(0.1222, 0.22333, .. )
• 相似度计算: 前牌照怎么装(0.762) 如何办理北京牌照(0.486)
• 向量化表示: (-0.333, 0.1223 .. ) (0.333， 0.3333, .. )

案例6(篇章分析)

篇章分析(Document Analysis): 分析篇章级文本的内在结构，进而分析文本情感倾向，提取评论性观点，并生成反映文本关键信息的标签与摘要

例如:

案例7(机器翻译)

机器翻译技术(Machine Translating): 基于互联网大数据，融合深度神经网络、统计、规则多种翻译方法，帮助用户跨越语言鸿沟，与世界自由沟通

---

• 参考百度科普课程: http://bit.baidu.com/product