自然語言處理(NLP)是計算機科學的一個分支，更具體地說，是人工智能或AI的一個分支，關(guān)注于賦予計算機理解文本和口頭語言的能力，類似于人類的方式。這篇文章為大家?guī)黻P(guān)于諾丁漢大學自然語言處理(NLP)課程輔導。

一、關(guān)于NLP

NLP將計算語言學(人類語言的基于規(guī)則的建模)與統(tǒng)計學、機器學習和深度學習模型相結(jié)合。這些技術(shù)共同使計算機能夠處理以文本或語音數(shù)據(jù)形式出現(xiàn)的人類語言，并‘理解’其完整含義，包括說話者或?qū)懽髡叩囊鈭D和情感。

NLP推動了能夠?qū)⑽谋緩囊环N語言翻譯成另一種語言的計算機程序，回應(yīng)口頭命令，并能夠迅速總結(jié)大量文本——甚至是實時的。有很大可能你已經(jīng)通過語音操作的GPS系統(tǒng)、數(shù)字助手、語音轉(zhuǎn)文本的軟件、客戶服務(wù)聊天機器人以及其他消費者便利設(shè)施與NLP互動過。但NLP還在企業(yè)解決方案中發(fā)揮著日益增長的作用，幫助簡化業(yè)務(wù)運營、提高員工生產(chǎn)力，并簡化關(guān)鍵業(yè)務(wù)流程。

二、NLP任務(wù)

人類語言充滿了使編寫軟件準確確定文本或語音數(shù)據(jù)的預(yù)期含義變得極為困難的歧義。同音異義詞、同音詞、諷刺、習語、隱喻、語法和用法的例外、句子結(jié)構(gòu)的變化等，這些只是人類語言的一些不規(guī)則之處，人類需要數(shù)年的時間學習，但程序員必須從一開始就教導自然語言驅(qū)動的應(yīng)用程序準確識別和理解，以使這些應(yīng)用程序變得有用。

幾個NLP任務(wù)以有助于計算機理解其所接收數(shù)據(jù)的方式拆分人類文本和語音數(shù)據(jù)。其中一些任務(wù)包括以下內(nèi)容：

1. 語音識別，也稱為語音轉(zhuǎn)文本，是可靠地將語音數(shù)據(jù)轉(zhuǎn)換為文本數(shù)據(jù)的任務(wù)。語音識別對于任何遵循語音命令或回答口頭問題的應(yīng)用程序都是必需的。語音識別之所以特別具有挑戰(zhàn)性，是因為人們說話的方式——迅速地、把詞語連在一起、強調(diào)和語調(diào)各異、口音不同，而且經(jīng)常使用不正確的語法。

2. 詞性標注，也稱為語法標注，是根據(jù)詞語的使用和上下文來確定特定詞語或文本片段的詞性的過程。詞性標注將“make”在“I can make a paper plane”中標記為動詞，在“What make of car do you own?”中標記為名詞。

3. 詞義消歧是通過語義分析的過程來選擇具有多個意義的單詞的意義，確定在給定上下文中最有意義的詞語。例如，詞義消歧有助于區(qū)分動詞“make”在“make the grade”(取得成功)和“make a bet”(下注)中的意義。

4. 命名實體識別(NER)識別詞語或短語作為有用的實體。NER將“Kentucky”識別為地點或“Fred”識別為男性名字。

5. 共指消解是識別兩個詞是否引用相同實體的任務(wù)。最常見的例子是確定某個代詞引用的人或物體(例如，“她”=“瑪麗”)，但它還可以涉及在文本中識別隱喻或習語的情況(例如，'bear'不是動物而是個高大毛發(fā)豐富的人)。

6. 情感分析試圖從文本中提取主觀品質(zhì)——態(tài)度、情感、諷刺、困惑、懷疑。

7. 自然語言生成有時被描述為語音識別或語音轉(zhuǎn)文本的相反過程;它的任務(wù)是將結(jié)構(gòu)化信息轉(zhuǎn)換為人類語言。

海馬課堂專業(yè)課程輔導做出以下新改變啦：
?試聽課全面升級，不滿意退50%，
?課程輔導產(chǎn)品升級，贈送考前保障呦
?輔導不滿意可以隨心退！
海馬課堂，3500+嚴選碩博學霸師資，針對學生的薄弱科目和學校教學進度，匹配背景相符的導師，根據(jù)學生情況進行1V1專屬備課，上課時間靈活安排，中英雙語詳細講解課程中的考點、 難點問題，并提供多方位的課后輔導，輔助學生掌握全部課程知識，補足短板。