QQ在線
企業(yè)微信
資訊
3500
自然語言處理入門教程
自然語言處理（NLP）是計(jì)算機(jī)科學(xué)領(lǐng)域和人工智能領(lǐng)域中的一個(gè)分支，它與計(jì)算機(jī)和人類之間使用自然語言進(jìn)行互動(dòng)密切相關(guān)。NLP的最終目標(biāo)是使計(jì)算機(jī)能夠像人類一樣理解語言。它是虛擬助手、語音識(shí)別、情感分析、自動(dòng)文本摘要、機(jī)器翻譯等的驅(qū)動(dòng)力。在這篇文章中，你將學(xué)習(xí)到自然語言處理的基礎(chǔ)知識(shí)，深入了解到它的一些技術(shù)，了解到NLP如何從深度學(xué)習(xí)的最新進(jìn)展。
1.簡(jiǎn)介
自然語言處理（NLP）是計(jì)算機(jī)科學(xué)、語言學(xué)和機(jī)器學(xué)習(xí)的交叉點(diǎn)，它關(guān)注計(jì)算機(jī)與人類之間使用自然語言中的溝通交流?？傊琋LP致力于讓計(jì)算機(jī)能夠理解和生成人類語言。NLP技術(shù)應(yīng)用于多個(gè)領(lǐng)域，比如天貓精靈和Siri這樣的語音助手，還有機(jī)器翻譯和文本過濾等。機(jī)器學(xué)習(xí)是受NLP影響最深遠(yuǎn)的領(lǐng)域之一，尤為突出的是深度學(xué)習(xí)技術(shù)。該領(lǐng)域分為以下三個(gè)部分：
1.語音識(shí)別：將口語翻譯成文本。
2.自然語言理解：計(jì)算機(jī)理解人類的能力。
3.自然語言生成：計(jì)算機(jī)生成自然語言。
2.為什么NLP很難
人類語言有其特殊性。人類語言專門用于傳達(dá)講話者和寫作者的意思，即使小孩子能夠很快學(xué)會(huì)，它依然是一個(gè)復(fù)雜的系統(tǒng)。它的另一個(gè)顯著之處在于它完全與符號(hào)有關(guān)。Chris Manning（斯坦福教授）表示，它是一個(gè)離散的、象征性的、絕對(duì)的信號(hào)系統(tǒng)，這意味著人們可以通過使用不同的方式傳達(dá)相同的含義，比如演說，手勢(shì)，信號(hào)等。人類大腦對(duì)這些符號(hào)的編碼是持續(xù)的激活模式，在這個(gè)模式中，符號(hào)通過聲音和視覺的連續(xù)信號(hào)實(shí)現(xiàn)傳輸。
由于其復(fù)雜性，理解人類語言被認(rèn)為是一項(xiàng)艱巨的任務(wù)。例如，在句子中排列單詞有無數(shù)種不同的方法。此外，一個(gè)單詞可以有多種含義，并且正確解釋句子需要恰當(dāng)?shù)恼Z境信息。每種語言或多或少都是獨(dú)特且含糊的。比如：“The Pope’s baby steps on gays”，這句話顯然有兩種截然不同的解釋，這是反映NLP中的困難之處的一個(gè)很好的例子。
隨著計(jì)算機(jī)對(duì)語言的理解愈漸完美，將會(huì)產(chǎn)生可以處理互聯(lián)網(wǎng)上全部信息的人工智能（AI），繼而產(chǎn)生強(qiáng)人工智能（AGI）。
3.句法和語義分析
句法分析和語義分析是理解自然語言的兩種主要方法。語言是一組意義的語句，但是什么使語句有意義呢？實(shí)際上，你可以將有效性分為兩類：句法和語義。術(shù)語“句法”是指文本的語法結(jié)構(gòu)，而術(shù)語“語義”是指由它表達(dá)的含義。但是，句法上正確的語句不必在語義上正確。只需看看下面的例子。語句“cow kow supremely”在語法上是有效的（主語-動(dòng)詞-副詞），但沒有任何意義。
句法分析：
句法分析，也稱為語法分析或解析，是通過遵循正式語法規(guī)則來分析自然語言的過程。語法規(guī)則適用于單詞和詞組，而不是單個(gè)單詞。語法分析主要為文本分配語義結(jié)構(gòu)。
語義分析：
我們理解他人的語言是一種無意識(shí)的過程，依賴于直覺和對(duì)語言本身的認(rèn)識(shí)。因此，我們理解語言的方式很大程度上取決于意義和語境。計(jì)算機(jī)卻不能依賴上述方法，需要采用不同的途徑。 “語義”這個(gè)詞是一個(gè)語言術(shù)語，意思與意義或邏輯相近。
因此，語義分析是理解單詞、符號(hào)和語句結(jié)構(gòu)的含義和解釋的過程，這使計(jì)算機(jī)能夠以人類的方式理解部分涉及意義和語境的自然語言。為什么說只能部分理解呢？是因?yàn)檎Z義分析是NLP中最棘手的部分之一，仍未完全解決。例如，語音識(shí)別技術(shù)已非常成熟，并且工作近乎完美，但仍然缺乏在自然語言理解（例如語義）中的熟練程度。手機(jī)基本上可以理解我們所說的內(nèi)容，但通常無法用它做任何事情，因?yàn)樗涣私馄浔澈笠饬x。
4.理解文本的技巧
下面我們將討論多種用于自然語言處理的現(xiàn)行技術(shù)。
什么是解析？首先，讓我們看一下詞典釋義：
解析—“將句子分解為其組成部分，并闡述各部分的句法角色。”
實(shí)際上解釋的已經(jīng)非常到位，但它可以更全面一些。解析是指計(jì)算機(jī)對(duì)句子的形式分析，其結(jié)果是一個(gè)解析樹，這個(gè)解析樹可以可視化地顯示句子成分之間的句法關(guān)系，用于進(jìn)一步處理和理解。
在下面你可以看到句子“The thief robbed the apartment”的解析樹，以及由它傳達(dá)的三種不同信息類型的描述。
我先看單個(gè)單詞正上方的字母，它們用于顯示每個(gè)單詞的詞性（名詞-N，動(dòng)詞-V和限定詞-DT）。我們?cè)倏唇馕鰳渲懈叩膶蛹?jí)，一些單詞進(jìn)行層次分組組成短語。例如，“the thief”是一個(gè)名詞短語（NP），“robbed the apartment”是一個(gè)動(dòng)詞短語（VP），這些短語一起形成一個(gè)句子（S），在樹中標(biāo)記在更高的層級(jí)。
這些短語以名詞為主體，包含一個(gè)或多個(gè)單詞，可能還包含描述性詞語、動(dòng)詞或副詞，簡(jiǎn)言之，就是把把名詞和與其相關(guān)的單詞組合在一起。
從解析樹中還能看出，單詞的表述結(jié)構(gòu)影響其在句中的語法關(guān)系。例如，在此結(jié)構(gòu)中，“thief”是“robbed”的主語。
結(jié)合結(jié)構(gòu)來看，動(dòng)詞“robbed”，上方標(biāo)有“V”，更上一級(jí)標(biāo)有“VP”；主語“thief”，上方標(biāo)有N和“NP”，通過“S”聯(lián)系在一起。這就像主語—?jiǎng)釉~關(guān)系的模板，同樣還有許多其他類型的關(guān)系。
詞干提?。?/span>
詞干提取是一種來自形態(tài)學(xué)和信息檢索的技術(shù)，在NLP中用于預(yù)處理和效率提升。但是，我們首先看一下詞典中的釋義：詞干 — “起源于或由其引起?！?/span>
基本上，“詞干提取”是將單詞進(jìn)行縮減得到詞干的過程，而“詞干”的實(shí)際意義是是在刪除單詞的所有的前綴后綴之后保留的一部分。例如，“touched”，它的詞干是“touch”，同時(shí)“touch”也是“touching”等詞的詞干。
為什么需要詞干？因?yàn)槲覀儠?huì)遇到不同的詞匯變形，而實(shí)際上它們具有相同的詞干和意義。舉例來說：
# I was taking a ride in the car
# I was riding in the car.
這兩個(gè)句子意思是一致的，ride和riding的用法也是相同的。
詞匯表中所有的單詞有不同的注釋，其中還包括大量實(shí)際意義相同的單詞，要存儲(chǔ)它們，需要一個(gè)龐大數(shù)據(jù)庫，但是通過詞干提取，僅關(guān)注單詞的詞干，可以很好地解決這個(gè)問題。現(xiàn)行的通用算法之一是1979年的“Porter Stemming Algorithm”（波特詞干算法），非常使用便捷。
文字分割：
NLP中的文本分割是將文本轉(zhuǎn)換為有意義的單元的過程，可以是單詞、句子、也可以是不同的主題或潛在的意圖等。在文本分割中，文本根據(jù)不同語種被分割為成份單詞，由于人類語言的復(fù)雜性，通常比較難。舉個(gè)例子，在英語中利用空格來分隔單詞，相對(duì)高效實(shí)用，但是也有像“ice box”這類詞語的例外，ice和box這兩個(gè)由空格隔開的詞合并一起使用才有原本含義的，所以人們有時(shí)把它寫作“ice-box”，那么就給文字分割帶來了難題。
命名實(shí)體識(shí)別：
命名實(shí)體識(shí)別（NER）用于確定文本中哪些詞條屬于命名實(shí)體，這些詞條可以被定位并歸入預(yù)定義的類別，類別的范圍包括人名，組織，地點(diǎn)，還有貨幣價(jià)值和百分比。
看下面的例子：
NER之前：Martin bought 300 shares of SAP in 2016.
NER之后：[Martin]Person bought 300 shares of [SAP]Organization in [2016]Time.
關(guān)系抽取：
關(guān)系提取采用“命名實(shí)體識(shí)別（NER）”的命名實(shí)體，并識(shí)別它們之間的語義關(guān)系。這可能意味著它能夠發(fā)現(xiàn)文本中詞語之間的關(guān)聯(lián)性，例如誰與誰結(jié)婚，某人在哪個(gè)公司工作等。這個(gè)問題也可以轉(zhuǎn)換為分類問題，然后為每種關(guān)系類型訓(xùn)練機(jī)器學(xué)習(xí)模型。
情感分析：
通過情感分析，我們想要確定例如說話者或作者關(guān)于文檔，互動(dòng)或事件的態(tài)度（例如情緒）。因此，需要理解文本以預(yù)測(cè)潛在意圖是一種自然語言處理問題。情緒主要分為積極，消極和中性兩類。通過使用情感分析，我們希望根據(jù)他撰寫的關(guān)于產(chǎn)品的評(píng)論來預(yù)測(cè)客戶對(duì)產(chǎn)品的看法和態(tài)度。因此，情感分析廣泛應(yīng)用于評(píng)論，調(diào)查，文檔等等
如果你對(duì)使用Python中的某些技術(shù)感興趣，可以查看我創(chuàng)建的Python的自然語言工具包（NLTK）的Jupyter Notebook。你還可以查看我的博客文章，了解如何使用Keras構(gòu)建神經(jīng)網(wǎng)絡(luò)，我將訓(xùn)練神經(jīng)網(wǎng)絡(luò)進(jìn)行情感分析。
5.深度學(xué)習(xí)和NLP
深度學(xué)習(xí)和自然語言的核心是“詞義”，在這里，單詞用一個(gè)實(shí)數(shù)向量來表示。因此，通過向量來代表單詞單詞，我們可以將單詞置于高維度的空間中，由向量表示的單詞起到語義空間的作用。這僅僅意味著在該高維向量空間中，形近意近的單詞傾向于聚集在一起。下圖中，可以看到單詞含義的直觀展示：
在此空間中，如果想要知道某一組聚集成類的單詞的含義，可以通過使用主成分分析法（PCA），也可以使用降維法。但這些方法太簡(jiǎn)單并且會(huì)遺漏了周邊的大量信息，因而產(chǎn)生誤差。在研究的初始階段，這些方法很好用，（如數(shù)據(jù)科學(xué)中的邏輯或線性回歸）但并不是前沿技術(shù)。
我們還可以將單詞的一部分當(dāng)作向量，這些向量可以代表單詞的含義。想象一下“undesirability”這個(gè)詞。使用“形態(tài)學(xué)方法”，它涉及一個(gè)詞所具有的不同部分，我們認(rèn)為它由詞素（單詞部分）構(gòu)成：“Un + desire + able + ity”。每個(gè)語素都有自己的向量。這允許我們構(gòu)建一個(gè)神經(jīng)網(wǎng)絡(luò)，它可以構(gòu)成一個(gè)更大的單位的意義，而更大的單位又由所有這些語素組成。
深度學(xué)習(xí)還可以通過創(chuàng)建句法分析器來理解句子的結(jié)構(gòu)，谷歌正在使用這樣的依賴解析技術(shù)，在他們的“McParseface”和“SyntaxNet”（兩種語言解析器），不過更加宏大，更加復(fù)雜。
通過分析句子結(jié)構(gòu)，我們開始理解句子的意義，可以從單詞的含義開始，也可以從整個(gè)短語和句子開始，無論單詞的意義、短語還是句子，都用向量來表示。如果想知道句子之間的關(guān)系，我們可以創(chuàng)建神經(jīng)網(wǎng)絡(luò)來幫助分析。
深度學(xué)習(xí)也適用于情感分析。請(qǐng)看這個(gè)電影評(píng)論：“這部電影不在乎是不是巧妙，也不在乎幽默與否”。傳統(tǒng)的機(jī)器學(xué)習(xí)算法會(huì)認(rèn)為這是一個(gè)積極的評(píng)論，因?yàn)椤奥斆鳌焙汀坝哪笔欠e極的詞匯，但是神經(jīng)網(wǎng)絡(luò)能夠識(shí)別出它的真正含義。
另外，深度學(xué)習(xí)算法實(shí)現(xiàn)的機(jī)器翻譯中，它從句子開始翻譯，并生成一個(gè)向量，然后用另外一種語言生成所需要的信息。
總而言之，NLP與深度學(xué)習(xí)相結(jié)合，就是表示單詞、短語的向量，以及它們的含義。
