初识 NLP

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
Q&A 补充 参考 感谢帮助! 自然语言处理-Natural language processing | NLP