自然语言处理，英文NaturalLanguageProcessing，下文简称NLP。
什么是自然语言处理？
自然语言区别于机器语言，指的是人类社会自然产生的语言，例如汉语言，英语等。人类几乎所有的信息都通过自然语言来表达，在智能化的时代，我们需要让机器更懂人类，更能理解人类的表达。所以需要让机器学习自然语言，这就是自然语言处理的目标：建立一套能与人交互，能理解人的系统。本质上来说：自然语言处理是为了建立自然语言到机器语言的映射。
自然语言处理分类
自然语言处理主要包含两部分：自然语言理解（NLU）和自然语言生成(NLG)，自然语言理解的目标是理解人类的表达，包括语音表达和文本表达，侧重于理解目标的实现，包括语法分析、文本阅读；NLG则侧重于如何生成自然语言的表达，包括信息简化、翻译系统、问答对话等。两者相辅相成，大部分情况下，两者会同时出现，来构筑某一系统。
自然语言处理的发展历程
年，信息学家香农提出了信息熵这一概念。那时候NLP的概念还没有出现，但由于熵也是NLP概念的基石之一，因此对NLP的诞生有着重大意义。
-年，学者们希望通过模拟人类说话的习惯，用语法规则教授机器进行学习。唯一的进展是乔姆斯基文法规则定义的上下文无关文法规则，后来就再也没有过其他的重大进展。
年以后，NLP转向统计方法，通过隐马尔科夫模型、语言模型等方法，进行研究。
年左右，神经网络被应用于语言模型，构建了，神经语言模型，但由于当时算力不满足条件，所以进展不大。
年至今，自然语言处理借助于深度学习，持续发展至高潮，一度取得了一系列进展，解决了一部分关键性问题。
自然语言处理的主要应用
宏观上来说，自然语言目前的学科分支主要有以下几类：
信息简化，从一套文本中抽取目标信息，简单来说，就是从一段话中，找出来什么时间，谁在哪里，发生了什么事情。聚焦到文本最核心的地方，自动生成核心摘要。问答系统，这也是目前应用很广泛的一个分支，主要可以应用在机器人上，虚拟设备上，用来与用户进行问答对话，例如手机上的Siri，小爱，某些自媒体上的问答程序，还有一些银行机构的问答机器人等。知识图谱，从应用场景中的文本中提取结构化的信息，并将实体间的相互联系可视化出来。知识图谱的构建是为了进行知识检索、知识推理、知识发现，这对于某些专业产业里有着重大意义。机器翻译，目前已经十分成熟，例如：百度翻译，谷歌翻译等文本分类，将得到的文本进行分类，传统的主要依据于关键词，效率低，结果差，自然语言处理的应用将大大提高分类速度。情感分析，对于电商的评论分析、对于电影的评论分析都起到了很大的作用。实战见分晓！自然语言处理的现实应用场景有哪些？
社会科学领域：当前自然语言处理已经应用到社会关系挖掘、社交媒体计算、人文社科计算等，国内外一些著名的社会学科实验室，例如清华大学自然语言处理与社会人文计算实验室、哈尔滨工业大学社会计算与信息检索研究中心，他们均为通过自然语言处理技术来分析国内外的敏感问题、社会问题、以及人际关系问题。金融领域：截至年1月1日，金融市场A股就有多家上市公司，这多家公司每年每月甚至每天都有各种报告出炉，年报、半年报、季度报、月报等等，加上各大媒体金融新闻的推送，金融界每天都在产生海量的文本。因此，金融公司每天都需要持续
转载请注明：http://www.0431gb208.com/sjszjzl/1271.html
