nlp技术怎么用（3分钟了解NLP史上不容错过的这5种应用）

点击上方“关注”，All in AI中国

请注意，以下文章并不是一个全面的清单。除了这五个应用程序之外，还有许多应用程序。部分关于NLP的应用，作者认为它们还有待商榷，故不在这次的考虑范围中。而下面提及的这五个应用程序通常被用作更复杂的AI或NLP中的模块。

自然语言处理(NLP)是人工智能的一个分支，旨在设计能够有效地处理、理解自然语言(人类语言)的系统。对NLP的研究早在20世纪50年代就开始了，多年来取得了巨大的进步。尽管我们的系统目前还没有达到HAL-9000(斯坦利·库布里克的电影"2001：太空漫游"中的宇宙飞船计算机)的水平，但机器学习和深度学习方面的最新进展使得NLP系统更加精确和快速。

语音助手

根据Pew Research的调查显示（链接：pewresearch/fact-tank/2017/12/12/nearly-half-of-americans-use-digital-voice-assistants-mostly-on-their-smartphones/），在美国，大约46%的成年人使用语音助手，而且这个数字在未来只会增加。我们所熟悉的亚马逊的Alexa、微软的Cortana、谷歌助手和苹果的Siri，它们已经融入了我们生活的方方面面。许多家庭用语音助手来减轻他们繁忙的工作量。这些智能设备提供一系列服务，如下所示：

1.基于语音交互查询信息

2.根据具体要求寻找相关内容

3.接打电话

4.发送和接收消息

5.管理待办事项清单等

需要提及的是，如果你在亚马逊购买过东西，亚马逊Alexa会给你提供更加个性化的服务。比如跟踪你的亚马逊包裹，或者为你朗读你下载到Kindle里的书。这样的个性化服务会被越来越多的公司采用。

机器翻译

机器翻译指用计算机进行的翻译。随着科技的发展，我们不再需要人工翻译来为我们翻译句子，我们可以简单地使用一个应用程序，如谷歌翻译、微软翻译等等。尽管这些句子并不总是百分之百准确，但它们确实给了我们一个关于句子含义的大致概念。应用场景：

1.在网页中使用机器翻译软件为不同肤色、不同种族提供服务

2.处理材料，如文案和海报

3.Facebook、Twitter等社交网络的服务中

4.特定内容，如医疗和法律文件

随着深度学习的发展，神经机器翻译是目前最先进的文本翻译方案。在神经网络出现之前，大多数机器翻译都是基于一定规则的。

聊天机器人

客户服务即将实现完全自动化。越来越多的公司放弃了原有的人工客服转为用机器人替代（这是对NLP一个非常普遍的应用）。你会惊讶地发现，为你解决各种疑难的或许不是人类，而是人工智能聊天机器人。目前大部分聊天机器人只能根据你的诉求做出固定的应答。不过，部分机器人可以根据你的诉求进行跨平台搜索，将找到的内容呈现给你。

需要强调的是，考虑到它们的预期用途，目前聊天机器人对自然语言的处理还需要较大的改进。因为计算机和人们的思维、交流方式是不一样的。当我们交谈时，我们不以结构化的方式说话，我们每个人都有自己的特点。人们错误的发音以及混乱的语法给机器人带来极大的"困惑"。但人类可以理解这些错误，并明白别人想说什么。但对机器而言这并不容易，可以说机器在NLP方面还有很长的路要走。

文本的分类与预测

对垃圾邮件检测是每个电子邮件客户端都会提供的关键功能。大多电子邮件客户端做的都非常好，比如说我们很少看到垃圾邮件在我们的主要收件箱里。而电子邮件客户端对NLP的主要应用表现为邮件的分类。这方面做的比较好的是谷歌邮箱，Gmail可以将我们的电子邮件分为主要的(实际的个人电子邮件)、社交(来自Facebook、Twitter等的通知)和促销(时事通讯订阅)等等。

同时电子邮件客户端对NLP的应用还表现在对文本的预测：

1.自动完成 - 通过预测可能拼写的单词来帮助我们更快的书写邮件

2.预测键入 - 根据上一个句子的句意，预测下一个句子你可能要用到的词。

情感分析

情感分析是对文本中表达的观点、情感、态度等的计算研究。情绪分析主要是面向商业的，它被企业用来推销他们的产品，寻找新的机会，提高他们的声誉。用于情感分析的数据文本包括 评论、反馈、讨论、建议和其他形式的网络表达。

每当我们在亚马逊或任何一家网购公司购买东西时，我们都会买那些"深受好评"产品。我们这样做是因为"好评"会在一定程度上影响我们的选择。

结语

总的来说，我们在NLP和AI方面还有很长的路要走。我们目前的成果局限性还非常大，在许多场景中都受到了很大的制约。以AI聊天机器人为例，它设计的初衷是想以更自然的方式与人类互动。但现实中，几乎50%的情况下，这些应用程序无法正确的理解对话的（深层）含义。

为了使NLP取得进步，我们需要做出真正的创新，而不是仅仅试图在数据中寻找模式或尝试适应某种模型。我们需要给机器人"补课"，只有这样我们才能与机器人进行开放式对话。

,