文本分析應(yīng)用與局限性

文本分析應(yīng)用與局限性1.了解語(yǔ)義理解上的應(yīng)用

2.了解自動(dòng)生成語(yǔ)言的應(yīng)用

3.了解NLP的局限性語(yǔ)義理解上的應(yīng)用自動(dòng)生成語(yǔ)言的應(yīng)用12NLP的局限性31.語(yǔ)義理解上的應(yīng)用有時(shí)也稱為詞義標(biāo)注，理解特定上下文中的詞被賦予的是哪個(gè)意思詞義消歧是句子和篇章語(yǔ)義理解的基礎(chǔ)多義詞的詞義識(shí)別問題實(shí)際上就是該詞的上下文分類問題詞義消歧的方法也分為有監(jiān)督的消歧方法和無(wú)監(jiān)督的消歧方法。詞意消歧1.語(yǔ)義理解上的應(yīng)用是一種淺層語(yǔ)義分析技術(shù)，它以句子為單位，不對(duì)句子所包含的語(yǔ)義信息進(jìn)行深入分析，而只是分析句子的謂詞-論元結(jié)構(gòu)語(yǔ)義角色標(biāo)注的任務(wù)就是以句子的謂詞為中心，研究句子中各成分與謂詞之間的關(guān)系，并且用語(yǔ)義角色來(lái)描述它們之間的關(guān)系語(yǔ)義角色標(biāo)注1.語(yǔ)義理解上的應(yīng)用一種更深刻的語(yǔ)言理解是解決“誰(shuí)對(duì)誰(shuí)做了什么”即檢測(cè)主語(yǔ)和動(dòng)詞的賓語(yǔ)，解釋一句話中的代詞鎖指代的內(nèi)容指代消解2.自動(dòng)生成語(yǔ)言的應(yīng)用機(jī)器翻譯長(zhǎng)久以來(lái),機(jī)器翻譯(MT)都是語(yǔ)言理解的圣杯，人們希望能找到從根本上提供高品質(zhì)的符合語(yǔ)言習(xí)慣的任意兩種語(yǔ)言之間的翻譯機(jī)器翻譯是困難的，因?yàn)橐粋€(gè)給定的詞可能有幾種不同的解釋(取決于它的意思)，也因?yàn)楸仨毟淖冊(cè)~序才能與目標(biāo)語(yǔ)言的語(yǔ)法結(jié)構(gòu)保持一致人機(jī)對(duì)話系統(tǒng)圖靈測(cè)試:一個(gè)響應(yīng)用戶文本輸入的對(duì)話系統(tǒng)能否表現(xiàn)的自然到我們無(wú)法區(qū)分它是人工生成的響應(yīng)?相比之下，今天的商業(yè)對(duì)話系統(tǒng)能力是非常有限的，但在較小的給定領(lǐng)域仍然有些作用3.NLP的局限性盡管在很多如RTE這樣的任務(wù)中研究取得了進(jìn)展,但在現(xiàn)實(shí)世界的應(yīng)用中已經(jīng)部署的語(yǔ)言理解系統(tǒng)仍不能進(jìn)行常識(shí)推理或以一種一般的可靠的方式描繪這個(gè)世界的知識(shí)。我們?cè)诘却@些困難的人工智能問題得到解決的同時(shí),接受一些在推理和知識(shí)能力上存在嚴(yán)重限制的自然語(yǔ)言系統(tǒng)是有必要的。因此,從一開始,自然語(yǔ)言處理研究的一個(gè)重要目標(biāo)一直是使用淺顯但強(qiáng)大的技術(shù)代替無(wú)邊無(wú)際的知識(shí)和推理能力,促進(jìn)構(gòu)建“語(yǔ)言理解”技術(shù)的艱巨任務(wù)的不斷取得進(jìn)展。我們希望你能掌握這些知識(shí)和技能,構(gòu)建有效的自然語(yǔ)言處理系統(tǒng),并為構(gòu)建智能機(jī)器這一長(zhǎng)期的