改变世界的七大NLP技术，你了解多少？（上）

什么是NLP？

天然语言处理（NLP） 是计算机科学，人工智能和语言学的交叉领域。目标是让计算机处理或“理解”天然语言，以执行语言翻译和问题回答等任务。

随着语音接口和聊天机器人的兴起，NLP正在成为信息时代最重要的技术之一，同时它也是人工智能的关键部分。充分理解和表达语言的含义是一个很是困难的目标。为何？由于人类的语言很特别。

人类语言有什么特别之处？

 

1.人类语言是专门为传达说话人的意图而构建的系统。这不单单是一个环境信号，更是一个有意识的交流。
2.人类语言大可能是离散/符号的/分类的信号系统，大概是由于信号可靠性更高。
3.一种语言的分类符号能够用几种方式编码为通讯信号：声音，手势，写做，图像等。人类语言只是其中的一种。
4.人类语言是不明确的（与编程和其余正式语言不一样）。 所以，在表达、学习和使用语言/情境/情境/文字/视觉知识对人类语言方面存在高度复杂性。

 

NLP应用到哪里？

从NLP研究领域衍生出了一批快速增加的应用程序。如下是其中几个：

1.拼写检查，关键字搜索，查找同义词；

2.从网站提取信息，例如：产品价格，日期，地点，人员或公司名称；

3.分类：长文档的积极/消极情绪；

4.机器翻译；

5.口语对话系统；

6.复杂的问答系统；

事实上，这些应用程序已经在现实中大量使用，从搜索到在线广告匹配 ; 从自动/辅助翻译到营销或财务/交易的情绪分析 ; 从语音识别到chatbots /对话代理（自动化客户支持，控制设备，订购商品）。

深度学习

大部分NLP技术都是由深度学习提供技术支持。近几年，深度学习才开始发挥做用，主要是由于：

·大量的训练数据；

·更快的机器和多核CPU / GPU；

·性能高的新模型和算法：有效的端到端联合系统学习、有效的使用上下文和任务间转换的学习方法，以及正则化优化方法。

在深度学习中，表示学习试图自动学习来自原始输入的良好特征或表示。而在机器学习中手动设计的特征一般过多且不完整，须要花费很长时间进行设计和验证。并且深度学习提供了一个很是灵活、通用且可学习的框架，用于呈现视觉和语言信息的世界。最初，它在语音识别和计算机视觉等领域取得突破。最近，深度学习方法在许多不一样的NLP任务中表现出了很是高的性能。这些模型一般能够经过单一的端到端模型进行训练，而且不须要传统的，特定于任务的特征工程。

我最近完成了斯坦福大学关于天然语言处理与深度学习的CS224n课程。该课程全面介绍了将深度学习应用于NLP的尖端研究。在模型方面，它涵盖了词向量表示、基于窗口的神经网络、递归神经网络、长期短时间记忆模型、递归神经网络和卷积神经网络，以及一些涉及存储器组件的最新模型。

在此我想分享我学习的7种主要NLP技术以及使用它们的主要深度学习模型和应用程序。

福利：你能够在此GitHub中得到相关课程！