每周一篇原創(chuàng),關(guān)注5G、物聯(lián)網(wǎng)、人工智能,跟著我的【頭號(hào)觀點(diǎn)】堅(jiān)持利用碎片時(shí)間學(xué)習(xí)

自然語言處理是人工智能中最核心的一部分,也是現(xiàn)在最難的,最底層的技術(shù)。百度提供全面、領(lǐng)先的NLP基礎(chǔ)模塊能力,涵蓋詞、短語、句子等不同粒度的底層能力,您可將其應(yīng)用于多種技術(shù)和業(yè)務(wù)方向。今天我們就對(duì)自然語言處理的分支——語言處理基礎(chǔ)技術(shù)進(jìn)行詳細(xì)研究解讀。

詞法分析

基于大數(shù)據(jù)和用戶行為的分詞、詞性標(biāo)注、命名實(shí)體識(shí)別,定位基本語言元素,消除歧義,支撐自然語言的準(zhǔn)確理解。

功能介紹:百度詞法分析向用戶提供分詞、詞性標(biāo)注、命名實(shí)體識(shí)別三大功能。該服務(wù)能夠識(shí)別出文本串中的基本詞匯(分詞),對(duì)這些詞匯進(jìn)行重組、標(biāo)注組合后詞匯的詞性,并進(jìn)一步識(shí)別出命名實(shí)體,百度詞法分析的算法效果大幅領(lǐng)先已公開的主流中文詞法分析模型。

中文分詞:中文分詞是將連續(xù)的自然語言文本,切分成具有語義合理性和完整性的詞匯序列的過程

詞性標(biāo)注:詞性標(biāo)注(Part-of-Speech tagging 或POS tagging)是指為自然語言文本中的每個(gè)詞匯賦予一個(gè)詞性的過程

專有名詞:命名實(shí)體識(shí)別(Named Entity Recognition 簡(jiǎn)稱NER),即"專名識(shí)別",是指識(shí)別自然語言文本中具有特定意義的實(shí)體,主要包括人名、地名、機(jī)構(gòu)名、時(shí)間日期等

詞向量表示

依托全網(wǎng)海量?jī)?yōu)質(zhì)數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)技術(shù),通過詞語的向量化來實(shí)現(xiàn)文本的可計(jì)算,幫助您快速完成語義挖掘、相似度計(jì)算等應(yīng)用

使用場(chǎng)景:

語義召回:對(duì)候選資源進(jìn)行詞向量表示,并構(gòu)建向量表示基礎(chǔ)上的快速索引召回技術(shù),與傳統(tǒng)的基于字詞倒排索引方法不同,直接從語義相關(guān)性角度上給用戶召回結(jié)果

個(gè)性化推薦:

基于用戶的歷史行為建模用戶興趣表示,學(xué)習(xí)用戶與推薦候選之間的興趣匹配度,實(shí)現(xiàn)對(duì)用戶的個(gè)性化推薦

語義相似度

依托全網(wǎng)海量?jī)?yōu)質(zhì)數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)技術(shù),通過詞語向量化來計(jì)算兩個(gè)詞之間的相似度,滿足高精度要求的業(yè)務(wù)場(chǎng)景需求

深度語義解析:該技術(shù)常用于計(jì)算兩個(gè)給定詞語的語義相似度,基于自然語言中的分布假設(shè),即越是經(jīng)常共同出現(xiàn)的詞之間的相似度越高

領(lǐng)先技術(shù)應(yīng)用:詞義相似度是自然語言處理中的重要基礎(chǔ)技術(shù),是專名挖掘、query改寫、詞性標(biāo)注等常用技術(shù)的基礎(chǔ)之一

依存句法分析

自動(dòng)分析文本中的依存句法結(jié)構(gòu)信息,實(shí)現(xiàn)對(duì)自然語言的精準(zhǔn)理解

深度語義結(jié)構(gòu):利用句子中詞與詞之間的依存關(guān)系來表示詞語的句法結(jié)構(gòu)信息(如主謂、動(dòng)賓、定中等結(jié)構(gòu)關(guān)系) ,并用樹狀結(jié)構(gòu)來表示整句的的結(jié)構(gòu)(如主謂賓、定狀補(bǔ))等

算法精準(zhǔn)識(shí)別:在大規(guī)模人工標(biāo)注的數(shù)據(jù)基礎(chǔ)上,句法結(jié)構(gòu)描述體系簡(jiǎn)潔通用,海量數(shù)據(jù)訓(xùn)練讓文本匹配更準(zhǔn)確

DNN語言模型

依托全網(wǎng)海量?jī)?yōu)質(zhì)數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)技術(shù),判斷一句話是否符合語言表達(dá)習(xí)慣,幫助您實(shí)現(xiàn)文本分析、糾錯(cuò)、對(duì)話等多種語義應(yīng)用

語言模型是通過計(jì)算給定詞組成的句子的概率,從而判斷所組成的句子是否符合客觀語言表達(dá)習(xí)慣

通常用于機(jī)器翻譯、拼寫糾錯(cuò)、語音識(shí)別、問答系統(tǒng)、詞性標(biāo)注、句法分析和信息檢索等

應(yīng)用場(chǎng)景:

拼寫糾錯(cuò):基于句子上下文,計(jì)算糾錯(cuò)候選的語言模型概率。用于拼寫糾錯(cuò),提升用戶體驗(yàn)

對(duì)話系統(tǒng):判斷用戶輸入的句子是否符合自然語言表達(dá)習(xí)慣,輔助對(duì)話系統(tǒng)進(jìn)行決策

機(jī)器翻譯:語言模型對(duì)翻譯候選的打分作為最終譯文的重要排序指標(biāo),提升翻譯效果

短文本相似度

依托全網(wǎng)海量?jī)?yōu)質(zhì)數(shù)據(jù)和深度神經(jīng)網(wǎng)絡(luò)技術(shù),為您提供高精度的短文本相似度服務(wù),幫助快速實(shí)現(xiàn)推薦、檢索、排序等應(yīng)用

短文本相似度計(jì)算:提供兩個(gè)短文本之間的語義相似度計(jì)算能力,輸出的相似度是一個(gè)介于0到1之間的實(shí)數(shù)值,輸出數(shù)值越大,則代表語義相似程度相對(duì)越高

短文本相似度聚合:通過語義相似度計(jì)算,判斷兩個(gè)短文本的語義表述是否相近,從而實(shí)現(xiàn)相似短文本的聚合或去重

應(yīng)用場(chǎng)景

智能對(duì)話系統(tǒng):在智能對(duì)話系統(tǒng)中,通過中文分詞、專名識(shí)別等關(guān)鍵技術(shù),能夠準(zhǔn)確的從用戶輸入內(nèi)容中識(shí)別出意圖及需求的關(guān)鍵信息,從而提供相應(yīng)的內(nèi)容服務(wù)

相似內(nèi)容推薦:通過短文本相似度技術(shù),可以準(zhǔn)確的為目標(biāo)文本匹配含義接近的內(nèi)容,從而完成相似內(nèi)容推薦

搜索結(jié)果擴(kuò)展:通過詞義相似度技術(shù),可以尋找搜索query中的相似詞,并進(jìn)行合理替換,從而提高搜索結(jié)果的多樣性

總結(jié)

綜上所述,自然語言處理中的——語言處理基礎(chǔ)技術(shù)主要是可共用的底層技術(shù),小編附上一張圖來展示整個(gè)應(yīng)用架構(gòu),在后面幾篇章中將詳細(xì)介紹并成一體系。

預(yù)告

下一篇章繼續(xù)研究學(xué)習(xí)百度的自然語言處理技術(shù)之語言處理應(yīng)用技術(shù),敬請(qǐng)期待!

免責(zé)聲明:

本公眾號(hào)為個(gè)人研究專題學(xué)習(xí)分享,非商業(yè)公眾號(hào)無任何商業(yè)目的,如果文章內(nèi)容有侵權(quán)或者非法信息,請(qǐng)立即與本號(hào)聯(lián)系刪除謝謝