改變世界的七大NLP技術，你瞭解多少？（上）

什麼是NLP？

天然語言處理（NLP） 是計算機科學，人工智能和語言學的交叉領域。目標是讓計算機處理或「理解」天然語言，以執行語言翻譯和問題回答等任務。

隨着語音接口和聊天機器人的興起，NLP正在成爲信息時代最重要的技術之一，同時它也是人工智能的關鍵部分。充分理解和表達語言的含義是一個很是困難的目標。爲何？由於人類的語言很特別。

人類語言有什麼特別之處？

 

1.人類語言是專門爲傳達說話人的意圖而構建的系統。這不單單是一個環境信號，更是一個有意識的交流。
2.人類語言大可能是離散/符號的/分類的信號系統，大概是由於信號可靠性更高。
3.一種語言的分類符號能夠用幾種方式編碼爲通訊信號：聲音，手勢，寫做，圖像等。人類語言只是其中的一種。
4.人類語言是不明確的（與編程和其餘正式語言不一樣）。 所以，在表達、學習和使用語言/情境/情境/文字/視覺知識對人類語言方面存在高度複雜性。

 

NLP應用到哪裏？

從NLP研究領域衍生出了一批快速增加的應用程序。如下是其中幾個：

1.拼寫檢查，關鍵字搜索，查找同義詞；

2.從網站提取信息，例如：產品價格，日期，地點，人員或公司名稱；

3.分類：長文檔的積極/消極情緒；

4.機器翻譯；

5.口語對話系統；

6.複雜的問答系統；

事實上，這些應用程序已經在現實中大量使用，從搜索到在線廣告匹配 ; 從自動/輔助翻譯到營銷或財務/交易的情緒分析 ; 從語音識別到chatbots /對話代理（自動化客戶支持，控制設備，訂購商品）。

深度學習

大部分NLP技術都是由深度學習提供技術支持。近幾年，深度學習纔開始發揮做用，主要是由於：

·大量的訓練數據；

·更快的機器和多核CPU / GPU；

·性能高的新模型和算法：有效的端到端聯合系統學習、有效的使用上下文和任務間轉換的學習方法，以及正則化優化方法。

在深度學習中，表示學習試圖自動學習來自原始輸入的良好特徵或表示。而在機器學習中手動設計的特徵一般過多且不完整，須要花費很長時間進行設計和驗證。並且深度學習提供了一個很是靈活、通用且可學習的框架，用於呈現視覺和語言信息的世界。最初，它在語音識別和計算機視覺等領域取得突破。最近，深度學習方法在許多不一樣的NLP任務中表現出了很是高的性能。這些模型一般能夠經過單一的端到端模型進行訓練，而且不須要傳統的，特定於任務的特徵工程。

我最近完成了斯坦福大學關於天然語言處理與深度學習的CS224n課程。該課程全面介紹了將深度學習應用於NLP的尖端研究。在模型方面，它涵蓋了詞向量表示、基於窗口的神經網絡、遞歸神經網絡、長期短時間記憶模型、遞歸神經網絡和卷積神經網絡，以及一些涉及存儲器組件的最新模型。

在此我想分享我學習的7種主要NLP技術以及使用它們的主要深度學習模型和應用程序。

福利：你能夠在此GitHub中得到相關課程！