你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!
输入关键字进行搜索
搜索:
没有找到相关结果
advAdder - 看到其他就想选其他
推荐来自: Joey 、氪星人 、rht 、何雄 、JmingS
ufo5260987423 - 朕回来了，不争论，只说观点，主要是吸收意见
推荐来自: Joey 、亦可喜 、advAdder 、蝴娇蔓婵 、JmingS
JmingS - 上下求索
推荐来自: 離娮 、Joey 、氪星人 、Manjusaka
要回答问题请先登录或注册
3 个回答
advAdder - 看到其他就想选其他
推荐来自: Joey 、氪星人 、rht 、何雄 、JmingS
词性标注 part-of-speech tagging
命名实体识别 named entity recognition
依存句法分析 dependency parsing
语义角色标注 semantic role labeling
语义分析 semantic parsing
如果你关心更深层的语义表示，要看你的任务是什么，比如直接用向量，还是PropBank, FramNet, CCG,甚至AMR, RDF。
如果你关心实现方法，方法其实有很多，比较确定性的方法、基于统计、基于学习的方法，比如依存分析可以类似程序语言那样设计parser，也可以直接去学习结点链接的结构。建议先了解你关心的具体问题，然后用相应的关键词去找经典论文（或者提更精确的问题）。
如果你想看看工具，BosonNLP有个在线的demo可以试用：http://bosonnlp.com/demo?，StanfordNLP的许多工具也有在线的demo（部分支持中文）：http://nlp.stanford.edu/software/
——————————————————————————
我觉得只说分词和词义消歧的答案不是“不能完全解决题目的问题”，是“完全不能解决题目的问题”，起码提一下语法树吧（虽然这个答案也没提）。当然“最大匹配”、“最少分词”这些类似程序语言parser的思想，和最大熵的技术是可以应用在更多NLP的问题上的。
ufo5260987423 - 朕回来了，不争论，只说观点，主要是吸收意见
推荐来自: Joey 、亦可喜 、advAdder 、蝴娇蔓婵 、JmingS
专业相关，俺的目前的研究方向包括知识图谱和topic model，后者是一个典型的自然语言处理的问题。前者则涉及到如何“理解”句子的问题。
事实上，@advAdder 已经写的很好了，而@JmingS 的答案感觉略有薄弱。顺便，我希望补充一点更深入的内容：机器在分析了语句以后如何理解语句。这就需要知识图谱。
事实上，典型的一个角度是将自然语言转换成horn clauses，然后进行计算。为了实现这种转换，需要：
1、从句子中识别实体。
2、从句子中识别逻辑关系。
转换成horn clauses以后，进行逻辑运算，从而对语句进行反应。
这两年使用deep learning的方法，特别是word embedding火了以后，将句子中识别的实体映射为欧式空间甚至希尔伯特空间的一组向量。通过向量的加减进行反应。
上面两种方法算是分别是符号主义和连接主义的典型了。我自己是贝叶斯主义的，最近看到的是劳逆研究员提出的Random Path方法，这个方法也可以用来进行一些语义的理解。
JmingS - 上下求索
推荐来自: 離娮 、Joey 、氪星人 、Manjusaka
-----------------------
非常感谢邀请，目前为止，对于自然语言理解我只是大概了解了一下（大三时的选修课），以下答案仅仅是分享一下自己当时所了解的内容，仅仅适合没接触过自然语言理解的同学。
学完课程，我感觉自然语言理解做的很精确很难，对于中文来说：
1）句子结构并没有被固定，所以一句话可以有多种说法；
2）因为断句的不同，一句话可以有不同的含义；
3）一个词在不同的语境下可以有不同含义，比如：“意思”；
......
（以上困难，仅仅是很小的一部分，在自然语言理解教材上有很多专有的名词描述会遇到的困难）
所以当时我们在学习时，并没有很深入的研究，只是介绍了很简单的一些概念和方法：
1）分词（把句子拆分开）：
如果做的很细致，会涉及到概率统计、合并原则、切分原则等。
但是如果处理的粗糙一些，可以考虑“最大匹配算法”和“最少分词法（最短路径法）”：
根据已有的语料库，来划分句子（算法很容易，但弱点比较明显：“最大匹配算法”--断句不同，意义不同；“最少分词法（最短路径法）--如果最短路径有多条，无法确定最优解）
2）语义分析：
现在我只记得词义消歧的两种办法：a.基于贝叶斯分类器 b.基于最大熵
当时我们学习时用的教材是：宗成庆 《统计自然语言处理》（当时只是挑了一些章节讲的）
我们需要完成的课程设计：https://github.com/JianmingS/N ... nding