1.什么是NLP
natural language processing, 探讨如何处理及运用自然语言,包括语音和文字。让电脑懂人类的语言。
范围:文本分析、信息检索、词性标注、问答系统、邮件回复、文本分类、文本鉴别(涉黄、反动)等。
(1)词法分析
a.分词技术
b.词性标注
是指为分词结果中的每个单词标注一个正确的词性的程序,也即确定每个词是名词、动词、形容词或者其他词性的过程。形容词a,名词n,副词d,人称代词rr,动词v
中科院,语义分词标注在线工具。
c.命名实体识别(Named Entity Recognition, NER)
是指识别文本中具有特定意义的实体,主要包括扩人名、地名、机构名、专有名词等。
是信息提取、问答系统、句法分析、机器翻译、面向Semantic Web的元数据标注等应用领域的重要基础工具,在自然语言处理技术走向实用化的过程中占有重要地位。
NER的任务就是识别出待处理文本中三大类(实体类、时间类和数字类)、七小类(人名、机构名、地名、时间、日期、货币和百分比)命名实体。
识别步骤:实体边界识别,确定实体类别(英文实体、中文实体)。
词切分:
--基于规则和词典的方法(不科学)
--基于统计的方法
>>隐马尔可夫模型HiddenMarkovMode,HMM
>>较大熵MaxmiumEntropy, ME
>>支持向量机Support VectorMachine, SVM
>>条件随机场ConditionalRandom Fields, CRF
d.词义消歧,具有多种意思的词,明确
举例,今天的天气非常晴朗,我和小伙伴们一起去足球场踢足球。
(2)句法分析
(3)语义分析
2.RNN和LSTM
3.NLP语言模型
4.语料库的获取和建立
5.Word2Vec
6.文本处理方法