自然语言处理-基于预训练模型的方法-读书笔记
第一章 绪论
- 自然语言处理
- 自然语言处理的基本概念
- 自然语言处理面临的8个难点:
- 语言的抽象性
- 组合性
- 歧义性
- 进化性
- 非规范性
- 主观性
- 知识性
- 难移植性
- 自然语言处理任务分类
1.1自然语言处理的概念
1.自然语言处理(NLP)主要研究用于计算机理解和生成自然语言的各种理论和方法,常被称为计算语言学(CL)
2.AI发展:运算智能——>感知智能——>认知智能
1.2 自然语言处理的难点
计算机处理自然语言的困难在于:
自然语言的高度抽象性
近乎无穷变化的语义组合性
无处不在的歧义性和进化性
1.2.1 抽象性
语言由抽象符号构成,符号表示现实世界中的复杂概念
1.2.2 组合性
每种语言的基本符号单元有限,但是可以组合成无限的语义
1.2.3 歧义性
语言的形式和语义之间存在多对多的对应关系导致的
1.2.4 进化性
语言都是不断发展进化的,一方面新的词汇不断出现;另一方面旧的词汇被赋予新的含义
1.2.5 非规范性
网上的文本存在一些非规范的文本,例如音近词、单词的简写或变形、错别字等等
1.2.6 主观性
NLP问题具有一定的主观性,这为数据标注、准确评价系统的性能带来了一定的困难
1.2.7 知识性
理解语言通常需要背景知识以及基于这些知识的推理能力
1.2.8 难移植性
NLP任务由于目标和数据各不相同,很难使用统一的技术和模型
1.3 自然语言处理任务体系
1.3.1 任务层级
按照从低层到高层的方式,NLP任务可划分为:
- 资源建设
包括语言学知识库的建设、语料库资源的建设
1). 语言学知识库:一般包括词典、规则库等。词典,可以为词语提供音韵、句法或者语义解释以及示例等信息,还可以提供词语之间的关系信息,如上下位、同义反义关系等。
2). 语料库资源:面向某一NLP任务所标注的数据 - 基础任务
包括分词、词性标注、句法分析和语义分析等,不直接面向终端用户,主要为上层应用任务提供所需的特征 - 应用任务
信息抽取、情感分析、问答系统、机器翻译、对话系统等 - 应用系统
指的是NLP技术再某一领域上的综合应用,又被称为NLP+
1.3.2 任务类别
- 回归问题
将输入文本映射为一个连续的数值,例如,对作文的打分 - 分类问题
文本分类,即判断一个输入的文本所属的类别,例如,垃圾邮件的识别 - 匹配问题
判断两个文本之间的关系,例如,判断两者蕴含、矛盾、无关等 - 解析问题
对文本中的词语进行标注或识别词语之间的关系,例如,词性标注、句法分析等 - 生成问题
根据输入,生成一段自然语言,例如,机器翻译、文本摘要等等
1.4 自然语言处理技术发展历史
基于理性主义的规则方法
以语料库为核心的统计学习方法
基于深度神经网络的表示学习方法