《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记

原文链接:https://yq.aliyun.com/articles/8301
作者:李永彬
发布时间:2016-03-17 16:37:47

  • 自然语言理解(Natural Language Understanding,NLU)以语言学为基础,融合逻辑学、心理学和计算机科学等学科,试图解决以下问题:语言究竟是怎样组织起来传输信息的?人又是怎样从一连串的语言符号中获取信息的?换种表达就是,通过语法、语义、语用的分析,获取自然语言的语义表示。
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记
    自然语言理解的结果,就是要获得一个语义表示(semantic representation):
  • 分布语义,Distributional semantics:这种方法的优点在于,它完全是数据驱动的方法,并且能够很好的表示语义,但一个很大的缺点在于,它的表示结果是一个整体,没有进一步的子结构。
  • 框架语义,Frame semantics:这种方法和distributional semantics相比,能够表达丰富的结构。
  • 模型论语义,Model-theoretic semantics: 这种方法的典型框架是把自然语言映射成逻辑表达式(logic form),是对世界知识的完整表示,比前两种方法表达的语义更加完整,但是缺点是semantic parser的构建比较困难,这大大限制了该方法的应用。
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记
  • 我们目前采用的是frame semantics表示的一种变形:采用领域(domain)、意图(intent)和属性槽(slots)来表示语义结果。领域分类和意图分类对应frame identification,属性抽取对应argument identification。
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记

面临挑战
-(1)如何构建知识库
-(2)如何理解用户语句的意图
- 东三环堵吗/下水道堵吗;今天的天气/今天的天气不错;附近哪可以喝咖啡呀/感冒了可以喝咖啡吗
-(3)如何构建可扩展的算法框架
- 一个可扩展的算法框架,每当修改或者新增某个领域的时候,不会对其他领域造成干扰。
-(4)如何构建数据驱动的计算流程
-(5)如何融入上下文知识
《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记

  • 支持常见的数十个领域的理解
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记
  • 一套可扩展的算法框架
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记
  • 数据驱动的闭环流程
    《自然语言理解(Natural Language Understanding)》(2016-03-17)阅读笔记
上一篇:基于TensorRT的BERT实时自然语言理解(下)


下一篇:汇率换算自然语言理解功能JAVA DEMO