自然语言处理NLP学习笔记

1.自然语言处理是什么？

NLP（Natural Language Processing）= NLU（Understand）+NLG（Generation）

自然语言处理 = 自然语言理解+自然语言生成

NLU 负责理解内容，NLG 负责生成内容。

例如商场里的聊天机器人，“”你问小六汤包在哪里？“NLU技术用来理解用户的意图，理解用户想表达的意思。NLG负责回答：“在商场五楼。”

例子：传统的机器翻译，给出12组翻译对， 请翻译出最上面的话：

使用的就是概率统计，例如farok这个单词，在第五组和第7组出现了farok，在其翻译中都出现了jjat这个词。那么farok翻译为jjat的概率最大。最开始机器就是这样翻译的，找出每个单词的含义，然后按着原顺序组合起来。

这样的缺点就是：速度慢、语义不通、上下文考虑不到、语法不对。

解决方法：——速度慢（通过AI/模型）

                   ——语法不对（通过语言模型）

2.机器翻译的基础架构：

（1）分为两个步骤：

步骤1：分词——>通过词典找出每个词的翻译（Broken English，不通顺）

如何将不通顺的语句变为符合语法规则的语言呢？

步骤2：将刚才每个单词进行排列组合（ 计算方法是n！）——>通过语言模型选择器计算，找出最合适的语序

总结：分词——>单词翻译——>排列组合——>选择最通顺的序列

缺点：两个步骤导致计算量大（n！），复杂度大概是（2^n,属于NP问题，无法解决），维特比算法（Viterbi algorithm）可以将两个模块同时考虑。

（2）在（1）的基础上改进后，将机器翻译划分为三部分：

语言模型：是我们需要提前训练好的，判断这句话语义通顺的概率。

翻译模型：就是词典，键值对，类似中英字典，中法字典。你输入一个词，给你返回出翻译结果。

Decoding Algorithm：通过维特比算法将语言模型和翻译模型都考虑进来，提高了运行速率。

维特比算法（Viterbi algorithm）是一种动态规划算法。它用于寻找最有可能产生观测事件序列的维特比路径——隐含状态序列，特别是在马尔可夫信息源上下文和隐马尔可夫模型中。 

3.NLP应用场景

问答系统、情感分析、机器翻译、自动提取摘要、聊天机器人（闲聊型、任务导向型）、 信息抽取

4.NLP关键技术

自然语言处理技术的四个维度：

Phonetics（声音）：声音放在最底层。

Morphlogy（单词）：基础层，关注单词层面的技术（分词、词性标注、命名实体识别NER）

Syntax（句子结构）：关系的是单词与单词之间的关系，句法分析（主谓宾）、依存分析（哪个词是修饰谁的）。

Semantic（语义）：NLU，理解整个句子，属于最上层的技术。机器学习