人工智能 自然语言(人工智能 自然语言处理 技术)

 

自然语言理解

natural language understanding，NLU

定义：计算机对自然语言文本进行分析处理从而理解该文本的过程、技术和方法。

学科：计算机科学技术_人工智能_计算语言学

相关名词：自然语言处理 机器翻译 语音识别

图片来源：视觉中国

由于自然语言具有多义性、上下文相关性、模糊性、非系统性、环境相关性等，因此，自然语言理解至今尚无一致的定义。从微观角度，自然语言理解是指从自然语言到机器内部的一个映射。从宏观角度，自然语言理解是指机器能够执行人类所期望的某种语言功能。这些功能主要包括以下几方面：

1.回答问题。计算机能正确地回答用自然语言输入的有关问题。

互联网小常识：RPR技术的主要特点是：宽带利用率高：SDH（50%）；FDDI数据帧由发送结点收回，RPR由接收结点收回。公平性好：相同优先级的数据帧分配相同的环通道访问能力，执行SRP公平算法。快速保护和回复能力强：50ms内，隔离出现故障的结点和光线段。保证服务质量。

2.文摘生成。机器能产生输入文本的摘要。

3.释义。机器能用不同的词语和句型来复述输入的自然语言信息。

4.翻译。机器能把一种语言翻译成另外一种语言。

自然语言理解的研究可以追溯到20世纪40年代末和50年代初期，美国、苏联等国展开的俄、英互译研究工作开启了自然语言理解研究的早期阶段。从20世纪60年代开始，已经产生一些自然语言理解系统，用来处理受限的自然语言子集。这些人机对话系统可以作为专家系统、办公自动化及信息检索等系统的自然语言人机接口，具有很大的实用价值，但主要还是依靠关键词匹配技术识别输入句子的意思，大都不是真正意义上的文法分析。20世纪70年代后，自然语言理解的研究在句法-语义分析技术方面取得了重要进展，出现了若干有影响的自然语言理解系统。20世纪80年代后，自然语言理解研究借鉴了许多人工智能和专家系统中的思想，引入了知识的表示和推理机制，使自然语言处理系统不再局限于单纯的语言句法和词法的研究，提高了系统处理的正确性，从而出现了一批商品化的自然语言人机接口和机器翻译系统。在自然语言理解研究的基础上，机器翻译走出了低谷，出现了一些具有较高水平的机器翻译系统。

由于自然语言理解中知识的数量巨大，特别是由于它们高度的不确定性和模糊性，要想把处理自然语言所需的知识都用现有的知识表示方法明确表达出来是不可能的。为了处理大规模的真实文本，研究人员提出了语料库语言学。语料库语言学认为语言学知识的真正源泉是来自生活中大规模的资料，我们的任务是使计算机能够自动或半自动地从大规模语料库中获取处理自然语言所需的各种知识。

目前市场上已经出现了一些可以进行一定自然语言处理的商品软件，但要让机器像人类那样自如地运用自然语言，仍是一项长远而艰巨的任务：一方面迄今为止的语法都限于分析一个孤立的句子，上下文关系和谈话环境对本句的约束和影响还缺乏系统的研究；另一方面，人理解一个句子不是单凭语法，还运用了大量的有关知识，包括生活知识和专门知识，这些知识无法全部贮存在计算机里。计算机的贮存量和运转速度大大提高之后，才有可能适当扩大范围。

互联网小常识：扫描设置通常包括文件类型、扫描病毒类型、优化选项、发现病毒后的处理方式、清除病毒失败后的处理方式、杀毒结束后的处理方式和病毒隔离系统的设置。

互联网小常识：蓝牙软件结构标准包括核心和应用协议栈两大部分。工作在2.402-2.480GHZ的ISM波段，标准速率1Mbps。

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186