自然語言處理（nlp）如今發展得火熱，但其實它應用領域還存在著很多不成熟的技術。作為一塊剛剛挖掘不久的寶礦，自然語言處理還有著無限的前景等著我們去開發。本文礙於篇幅的限制，就不帶大家深入鑽研自然語言處理技術了，下面一起來初步入門自然語言處理的學習吧！
自然語言處理入門
1、初步認識自然語言處理
舉個生活中的例子，幫助大家入門自然語言處理。小時候語文課上，老師會教我們看圖說話，會教給我們閱讀理解，還會教給我們通過指定題目寫出一篇作文。後來我們長大了，還需要學習說話的藝術，例如怎樣從一天的會議中精準提取老闆布置的任務，如何有針對性回答客戶的問題等等。原來，我們這一生都需要通過「自然語言」進行理解、思考和表達。
所謂自然語言，呈現形式無非就是文字和語音。所謂處理，也就是思考的過程。就比如教給計算機如何看圖說話、閱讀理解、寫一篇高考作文，甚至像前段時間出現的作詩機械人。我們知道，在人類的交談過程中，總是往復迴圈著兩個過程。乙個過程是聽到並去理解對方說的話，另乙個過程是清晰地表達自己的想法給對方。同理，在廣義上，我們會把自然語言處理分成兩個類別，乙個叫自然語言理解，來讓機器理解人類在跟它說什麼；另一部分叫自然語言生成，讓機器懂得如何告訴人類它自己的想法。
2、自然語言處理的實際應用
（2）自然語言生成：就是希望機器可以將自己的想法轉化**類能看懂的語言。例如前段時間大熱的」作詩機械人「，就是乙個十分典型的自然語言生成應用。
3、自然語言處理的任務細分
現在我們理解了自然語言處理廣義上的兩大類。但是我們知道，類似一棟房子的搭建不僅由一類團隊的人完成。需要有設計團隊，有採購團隊，還得有建築工人。所以，我們這兩大類別的每個模組，也都是由很多子領域的人一起努力創造出來的。目前這個分類其實業內並不統一，分類標準也是五花八門。所以我們只需要巨集觀來感受一下，每乙個應用的背後都會有哪些團隊的人在努力著。
（1）詞級別的任務
a．分詞：例如，把「我愛自然語言處理」分成「我/愛/自然/語言/處理」
b．詞性標註：把分詞後的每個詞標註上詞性。
c．命名實體識別：識別出一句話中的實體，例如：「小明得了流感」中會識別出「小明」和「流感」。
（2）句級別的任務
b．問答系統。
c．機器翻譯。
（3）文本級別的任務
a．文字分類：例如，這本書是屬於驚悚呢還是都市愛情呢？
乙個簡簡單單的寫詩機械人，也許就會用到分詞、詞性標註、分類、下句話**等等各項模組。聽上去好像很複雜，不過那些研究怎麼分詞，怎麼標註都是科學家語言學家做的事情。如果我們只是想做乙個專案，目前世面上已經有了很多庫可以供我們直接使用～
自然語言處理入門
1 首先，將原文本拆分為句子，在每個句子中過濾掉停用詞 可以不選 並只保留指定詞性的單詞，由此可以得到句子和單詞的集合。2 每個單詞作為pagerank中的乙個節點。設視窗大小為k，假設乙個句子所組成的單詞可以表示為w1,w2,w3,wn.則w1,w2,wk w2,w3,wk 1 w3,w4,wk ...
如何入門自然語言處理
直接做文字分類這個專案，具體的思路很簡單。把原始文字變成向量，然後呼叫sklearn庫里的分類演算法，就可以實現文字分類了！如何把文字轉換為文字向量呢？看這篇文章即可，手把手地教你把中文文字變成向量 附 盡量地去理解 的實現思路，以後遇到類似問題能不能轉換成相應的資料格式，繼續用這些 操作。完整的實...
自然語言處理如何入門
ps 筆者會持續更新 俗話說得好 做research或者學習某個技能最重要的是要對自己的research要非常熟悉 3mins讓別人聽懂你做的這玩意兒是個啥，contribution在 讓別人覺得你做的東西有意義 自然語言包括許多分支，主要有 機器翻譯 自動文摘 資訊檢索 文件分類 問答系統 資訊過...