深度学习核心技术与实践之自然语言处理篇

非书中全部内容，只是写了些自认为有收获的部分。

自然语言处理简介

NLP的难点

（1）语言有很多复杂的情况，比如歧义、省略、指代、重复、更正、倒序、反语等

（2）歧义至少有如下几种：
        1.有些歧义是指代不明确带来的。比如“曾记否，我与你认识的时候，还是个十来岁的少年，纯真无瑕，充满幻想。"其中十来岁的少年指代不明，有可能指你，也有可能指我。
        2.有些歧义是机器断句困难导致组合层次不同带来的。比如“我们四个人一”可以理解为“我们/四个人一组”或“我们四个人/一组”，“这件事我办不好”可以理解为“这件事/我/办不好”或“这件事/我办/不好”。
        3.有些歧义是结构关系不同导致的。比如“学生家长”可以理解为“学生的家长”或"学生和家长”，"出口食品”可以理解为动宾关系，也可以理解为偏正关系。
        4.有些歧义是词语语义多带来的。比如“他想起来了”可以理解为“他想起床了”或者“他想起来某件事情了”
        5.词类不同也可以带来歧义。比如“我要炒饭”中的“炒”可以是动词，也可以是形容词.
        6.很多新的品牌或网络用语也会带来歧义问题

NLP的研究范围

（1）分词：利用算法将一个汉字序列切分为一个个单独的词。比如将“手
爱机器学习”切分为“我/爱/机器学习“
（2）词性标注：将分词结果中的每个单词标注为名词、动词、形容词或其他词性的过程
（3）命名实体识别：识别文本串中具有特定物理意义的实体单词，比如人名、地名、机构名等
（4）关键词提取：提取文本串中若干个可以代表文章语义内容的词汇或词语
（5）自动摘要：也称为摘要提取，即根据文本语义内容提取较短的语句
（6）主题模型：隐式的主题模型如Latent Semantic Analysis (LSA) 、Probabilistic Latent Semantic Analysis ( PLSA) 、 Latent Dirichlet Allocation (LDA) 等都是非常常见的研究领域。
（7）依存句法分析：分析语言成分之间的依存关系，并揭示其语法树
（8）词嵌入 (Word Embedding) ：将词采用向量表示。词嵌入从2013年左右开始就一直比较流行，可以说，词嵌入本身不是深度学习，但词嵌入是深度学习用于自然语言处理的基本前提
（9）机器翻译：利用计算机将一种自然语言转换成另一种自然语言的过程，两种自然语言分别称为源语言和目标语言

词性标注

未完待续...