人工智能-自然语言处理-知识解构

自然语言处理包含4个部分：
1 语言识别，语音合成；
2 自然语言理解，对话理解，知识获取和问答，任务理解；
3 底层的机器学习（TennsorFlow和other）
4 个性化信息的获取和利用；

其中两个重要的竞品分析：
google的产品：各种语言场景；
Alexa亚马逊产品：基于云计算的对话机器人产品，NLP定制化场景；

google NLP开源项目：
BERT：Bidirectional Encoder Representations from Transformers 预训练语言表示的方法；
可以在大型文本语料库（如维基百科）上训练通用的“语言理解”模型，然后将该模型用于下游NLP任务，比如机器翻译、问答。
第一个无监督的用于预训练NLP的深度双向系统。
无监督意味着BERT仅使用文本语料库进行训练，也就是说网络上有大量多种语言文本数据可供使用。

NLP中的3个关键概念：
1 文本嵌入（字符串的矢量表示）；
2 机器翻译（使用神经网络翻译语言）；
3 以及Dialogue和Conversations（可以实时与人进行对话的技术）；

还涉及到的技术：
技术1：情绪分析
情绪分析是通过较小元素的语义组成来解释较大文本单元（实体、描述性术语、事实、论据、故事）的