4.句法分析
1.概述
句法分析也是自然语言处理中的基础性工作,它分析句子的句法结构(主谓宾结构)和词汇间的依存关系(并列,从属等)。通过句法分析,可以为语义分析,情感倾向,观点抽取等NLP应用场景打下坚实的基础。
随着深度学习在NLP中的使用,特别是本身携带句法关系的LSTM模型的应用,句法分析已经变得不是那么必要了。但是,在句法结构十分复杂的长语句,以及标注样本较少的情况下,句法分析依然可以发挥出很大的作用。因此研究句法分析依然是很有必要的。
2.句法分析分类
句法分析分为两类,一类是分析句子的主谓宾、定状补的句法结构。另一类是分析词汇间的依存关系,如并列、从属、比较、递进等。下面详细讲解。
2.1 句法结构分析
句法结构分析,识别句子的主谓宾、定状补,并分析各成分之间的关系.
通过句法结构分析,就能够分析出语句的主干,以及各成分间关系。对于复杂语句,仅仅通过词性分析,不能得到正确的语句成分关系。
句法结构分析的标注如下
2.2 语义依存关系分析
语义依存关系分析,识别词汇间的从属、并列、递进等关系,可以获得较深层的语义信息。如以下三个不同的表达方式,表达了同一个语义信息。可见语义依存关系不受句法结构的影响。
语义依存关系偏向于介词等非实词的在语句中的作用,而句法结构分析则更偏向于名词、动词、形容词等实词。如张三 -> 吃的关系为施加关系Agt,苹果->吃的关系为受事关系Pat。依存关系标注比较多,就不一一列举了。
3.句法分析工具
句法分析算法比较复杂,我们就不展开了。可以参考文章[NLP底层技术之句法分析]。介绍下几个句法分析工具。
哈工大LTP: [语言云(语言技术平台云 LTP-Cloud)]
斯坦福句法分析工具Stanford Parser:[The Stanford Natural Language Processing Group]
当前句法分析难度还很大,准确度不高。哈工大的LTP也只能做到80%左右的准确率。
4.深度学习和句法分析
基于深度学习的RNN和LSTM序列模型,本身可以携带很多句法结构和依存关系等深层信息。同时,句法分析树结构也可以和深度学习结合起来。利用句法分析树可以构建LSTM网络(tree-lstm), 从而对语句进行文本摘要,情感分析。那是否基于句法分析树的LSTM(tree-lstm)就一定比单纯的双向LSTM(bi-lstm)效果好吗?
研究表明,很多情况下,单纯的bi-lstm,比基于句法分析树的tree-lstm效果更好
这主要是因为当前句法分析准确度不高,只有90%左右。如果是句子成分关系很复杂,则准确率更低。因此给lstm网络带来了很大的噪声,从而导致了tree-lstm模型准确度的降低。但是tree-lstm可以使用较少的标注语料,而且在句子结构复杂的长语句上,表现更好。因此当语料较少且句子结构很复杂时,可以考虑使用tree-lstm。相关文章可以参考:[哈工大车万翔:自然语言处理中的深度学习模型是否依赖于树结构?]
5.总结
句法分析是自然语言处理中的基础性工作,在文本分析 观点抽取 情感分析等场景下可以广泛应用。句法分析当前难度还很高,准确率也有待提升。受制于句法分析准确率问题,基于句法结构树的LSTM深度学习网络的准确率还有待进一步提升。总之,句法分析,任重而道远。
大模型&AI产品经理如何学习
求大家的点赞和收藏,我花2万买的大模型学习资料免费共享给你们,来看看有哪些东西。
1.学习路线图
第一阶段: 从大模型系统设计入手,讲解大模型的主要方法;
第二阶段: 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用;
第三阶段: 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统;
第四阶段: 大模型知识库应用开发以LangChain框架为例,构建物流行业咨询智能问答系统;
第五阶段: 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型;
第六阶段: 以SD多模态大模型为主,搭建了文生图小程序案例;
第七阶段: 以大模型平台应用与开发为主,通过星火大模型,文心大模型等成熟大模型构建大模型行业应用。
2.视频教程
网上虽然也有很多的学习资源,但基本上都残缺不全的,这是我自己整理的大模型视频教程,上面路线图的每一个知识点,我都有配套的视频讲解。
(都打包成一块的了,不能一一展开,总共300多集)
因篇幅有限,仅展示部分资料,需要点击下方图片前往获取
3.技术文档和电子书
这里主要整理了大模型相关PDF书籍、行业报告、文档,有几百本,都是目前行业最新的。
4.LLM面试题和面经合集
这里主要整理了行业目前最新的大模型面试题和各种大厂offer面经合集。
👉学会后的收获:👈
• 基于大模型全栈工程实现(前端、后端、产品经理、设计、数据分析等),通过这门课可获得不同能力;
• 能够利用大模型解决相关实际项目需求: 大数据时代,越来越多的企业和机构需要处理海量数据,利用大模型技术可以更好地处理这些数据,提高数据分析和决策的准确性。因此,掌握大模型应用开发技能,可以让程序员更好地应对实际项目需求;
• 基于大模型和企业数据AI应用开发,实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能, 学会Fine-tuning垂直训练大模型(数据准备、数据蒸馏、大模型部署)一站式掌握;
• 能够完成时下热门大模型垂直领域模型训练能力,提高程序员的编码能力: 大模型应用开发需要掌握机器学习算法、深度学习框架等技术,这些技术的掌握可以提高程序员的编码能力和分析能力,让程序员更加熟练地编写高质量的代码。
1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集
👉获取方式:
😝有需要的小伙伴,可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓