產(chǎn)品介紹
自然語言處理技術(shù)是所有與自然語言的計算機(jī)處理有關(guān)的技術(shù)的統(tǒng)稱，其目的是使計算機(jī)理解和接受人類用自然語言輸入的指令，完成從一種語言到另一種語言的翻譯功能。自然語言處理技術(shù)的研究，可以豐富計算機(jī)知識處理的研究內(nèi)容，推動人工智能技術(shù)的發(fā)展。自然語言處理中的主要任務(wù)?：
1.?詞性標(biāo)注與(中文)分詞：詞性標(biāo)注是自然語言處理中最基礎(chǔ)的研究領(lǐng)域之一。分詞則是中文自然語言處理里的重要任務(wù)。??
2.?語法解析：語法解析長久以來是自然語言理解的核心方法，旨在通過解析語言的語法結(jié)構(gòu)來理解語義。
3.?語言模型：語言模型的基本任務(wù)是通過上文預(yù)測下文。預(yù)測準(zhǔn)確率越高，語言模型性能越好，標(biāo)志著模型對于該語言的學(xué)習(xí)/擬合能力越強(qiáng)。
4.?信息檢索：信息檢索包括文本檢索和多媒體檢索，是搜索引擎的核心技術(shù)，也是自然語言處理領(lǐng)域的重要應(yīng)用。
5.?信息抽取：信息抽取旨在從非結(jié)構(gòu)化的文本數(shù)據(jù)中抽取結(jié)構(gòu)化的目標(biāo)信息。這是一個熱點(diǎn)的任務(wù)，但是當(dāng)前模型大多只能進(jìn)行單一任務(wù)的信息抽取，效果也不是特別好。
6.?語義表示：語義表示是當(dāng)前諸多NLP任務(wù)的基礎(chǔ)之一，目標(biāo)是將字，詞，句，文章的語義表示在合適的向量空間中，以此為基礎(chǔ)提高各項(xiàng)任務(wù)中模型的性能。
7.?文本分類：文本分類旨在將不同的文本進(jìn)行分類，以進(jìn)行進(jìn)一步的處理。例如百度曾通過文本分類結(jié)果作為廣告推薦的依據(jù)。
8.?機(jī)器翻譯：有關(guān)機(jī)器翻譯這一任務(wù)的研究已延續(xù)數(shù)十年。與詞性標(biāo)注，語法解析任務(wù)不同，機(jī)器翻譯模型的性能依然不夠強(qiáng)。
9.?對話系統(tǒng)：對話系統(tǒng)的目標(biāo)是實(shí)現(xiàn)能和人類對話的機(jī)器人，這是一個難以實(shí)現(xiàn)，難以評測的任務(wù)。近年來學(xué)術(shù)界和工業(yè)界對深度學(xué)習(xí)在對話系統(tǒng)中的應(yīng)用很感興趣。
10. ?問答系統(tǒng)：問答系統(tǒng)可以說是一個簡單版的對話系統(tǒng)，通常是在進(jìn)行關(guān)于特定領(lǐng)域內(nèi)知識的問答。
11. ?情感計算：情感計算旨在分析社交網(wǎng)絡(luò)發(fā)言、電商平臺評論等文本的情感傾向，有較為廣闊的應(yīng)用前景，也受到了廣泛關(guān)注。
NLPIR大數(shù)據(jù)語義智能分析平臺主要有采集、文檔轉(zhuǎn)化、新詞發(fā)現(xiàn)、批量分詞、語言統(tǒng)計、文本聚類、文本分類、摘要實(shí)體、智能過濾、情感分析、文檔去重、全文檢索、編碼轉(zhuǎn)換等十余項(xiàng)功能模塊，平臺提供了客戶端工具，云服務(wù)與二次開發(fā)接口等多種產(chǎn)品使用形式。
