NLP 两大核心任务
- 自然语言理解（NLU，NLI）
- 自然语言生成（NLG）
NLU: 希望机器像人一样，具备正常人的语言理解能力
NLG: 将非语言格式数据转为人类可以理解的语言格式
NLU 五大难点
- 语言的多样性
- 语言的歧义性
- 语言的鲁棒性
- 语言的知识依赖
- 语言的上下文
NLP 四大典型应用
- 情感分析
- 聊天机器人
- 语音识别
- 机器翻译
NLP 两大实现方式
- 传统机器学习
- 深度学习
传统机器学习：语料预处理 -> 特征工程 -> 选择分类器
深度学习：语料预处理 -> 设计模型 -> 训练模型
NLG 两种方式
- text - to - text: 文本到语言的生成
- data - to - text: 数据到语言的生成
NLG 三大典型应用
3目的：
- 能够大规模的产生个性化内容
- 帮助人类洞察数据，让数据更容易理解
- 加速内容生产
3应用:
- 自动写新闻
- 聊天机器人
- BI报告生成
三种典型的分词方法
- 基于词典匹配
- 基于统计
- 基于深度学习
参考
感谢帮助！
- 自然语言处理-Natural language processing | NLP
本文作者： yiyun
本文链接： https://cloud.tencent.com/developer/article/1970747
版权声明： 本博客所有文章除特别声明外，均采用 BY-NC-SA 许可协议。转载请注明出处！
