自然语言处理与文本检索

今天开始把翟成祥教授的文本检索课程做一下笔记。
说明:文章内容来源于课程视频和课程ppt。我只学习了课程没有做习题。文章不是翻译,是我对课程的理解。


nlp的主要内容

 1 词语处理(lexical analysis = part-of-speech tagging):分词与词性标注
 2 句法分析(syntactic analysis):句法树、依存关系分析
 3 语义分析(semantic analysis):
  Dog(d1).
  Boy(b1).
  Playground(p1).
  Chasing(d1,b1,p1).
  应用:实体识别、关系识别、情感分析。

 4 推论(Inference)
  Scared(b1)
 
 5 语用分析(pragmatic analysis = speech act)
  语言分析的最高级形式
  

nlp的难度

 原因1:nlp是用于人类交流的,不是用于机器交流。
 原因2:人类交流是会产生歧义的(ambiguity),人类交流是有一个常识库(common sense)的。
 词级别的歧义。“设计”这个词可以是一个动词,也可以是一个名词。这在词性标注的时候就会产生歧义。例句:这座大楼的设计(名词)很先进。这座大楼是他设计(动词)的。“意思”这个词在汉语中会有多层含义。例句1:这篇文章的中心意思是我们过马路要遵守交通规则。例句2:这不过是我的一点小意思,您收下吧。这两个句子中“意思”就有不同的含义。
 句法级别的歧义。例如“natural language processing”可以理解为“自然语言的处理”,也可以理解为“自然的语言处理”。再举例:“A man saw a boy with a telescope”是一个男人拿着望远镜看到了一个男孩,还是一个男人看到了一个拿着望远镜的男孩。举个中文例子“关心学校的老师”是说 一个老师关心学校呢 还是说 有别人关心某个学校的老师。(中文例子来源于中国华文教育网)
 指代歧义(anaphora resolution):指代不明。“John persuaded Bill to buy a TV for himself”.himself 是指Johb还是Bill。
 假想问题(Presupposition):例如“He has quit smoking”。说明他曾经抽过烟。
 以上问题,都说明要想正确理解自然语言,需要维护一个庞大的常识库,以及分辨出上下文关系。

nlp目前能做到的

 这些资料是几年前的。这些数字是基于某一数据集得来的,不用太在意这些数值。词性标注:97%;句法分析:90%;语义分析:某些领域;推理:能做的事情不多;语用分析:特定的例子。

nlp用于文本搜索

 文本搜索引擎需要健壮、高效。

信息获取的两种方式

 push:推荐系统
 pull:搜索系统
 这两种系统都会介绍,首先会介绍搜索系统(在下一篇)。
 
 
 

你可能感兴趣的:(信息检索)