AI 101
Wat ass NLU (Natural Language Understanding)?
Natierlech Sproochverständnis (NLU) ass en technescht Konzept am gréisseren Thema vun der natierlecher Sproochveraarbechtung. NLU ass de Prozess verantwortlech fir natierlech, mënschlech Wierder ze iwwersetzen an e Format deen e Computer interpretéiere kann. Wesentlech, ier e Computer Sproochdaten veraarbecht kann, muss en d'Donnéeën verstoen.
Technike fir NLU enthalen d'Benotzung vu gemeinsame Syntax a grammatesche Reegele fir e Computer z'erméiglechen d'Bedeitung an de Kontext vun der natierlecher mënschlecher Sprooch ze verstoen. D'ultimativ Zil vun dësen Techniken ass datt e Computer en "intuitivt" Verständnis vun der Sprooch kënnt, fäeg ass d'Sprooch ze schreiwen an ze verstoen wéi e Mënsch et mécht, ouni stänneg op d'Definitioune vu Wierder ze referenzéieren.
NLU (Natural Language Understanding) Definitioun
Et gi vill Techniken déi Informatiker an NLP Experten benotzen fir Computeren z'erméiglechen mënschlech Sprooch ze verstoen. Déi meescht vun den Techniken falen an d'Kategorie vun "syntaktesch Analyse". Syntaktesch analytesch Techniken enthalen:
- Lematiséierung
- Stëmmung
- Wuert Segmentatioun
- analyséieren
- morphologesch Segmentatioun
- Saz briechen
- Deel vun der Ried Tagging
Dës syntaktesch analytesch Technike gëllen grammatesch Reegelen op Gruppe vu Wierder a probéieren dës Reegelen ze benotzen fir Bedeitung ze kréien. Am Géigesaz, funktionnéiert d'NLU andeems se "semantesch Analyse" Techniken benotzen.
Semantesch Analyse applizéiert Computeralgorithmen op Text, probéiert d'Bedeitung vu Wierder an hirem natierleche Kontext ze verstoen, anstatt op Regelbaséiert Approchen ze vertrauen. Déi grammatesch Korrektheet/Onkorrektheet vun enger Phrase korreléiert net onbedéngt mat der Validitéit vun enger Phrase. Et kënne Sätze sinn déi grammatesch korrekt awer sënnlos sinn, an Ausdréck déi grammatesch falsch sinn awer nach Bedeitung hunn. Fir déi sënnvollst Aspekter vu Wierder z'ënnerscheeden, benotzt d'NLU eng Vielfalt vun Techniken fir d'Bedeitung vun enger Grupp vu Wierder opzehuelen mat manner Ofhängegkeet op grammatesch Struktur a Reegelen.
NLU ass en evoluéierend a verännert Feld, a gëtt als ee vun den haarde Probleemer vun AI ugesinn. Verschidde Techniken an Tools ginn entwéckelt fir Maschinnen e Verständnis vun der mënschlecher Sprooch ze ginn. Déi meescht NLU Systemer hu verschidde Kärkomponenten gemeinsam. E Lexikon fir d'Sprooch ass erfuerderlech, sou wéi eng Zort Textparser a Grammatikregele fir d'Schafung vun Textrepresentatioune ze guidéieren. De System erfuerdert och eng Theorie vun der Semantik fir d'Verständnis vun de Representatioune z'erméiglechen. Et gi verschidde semantesch Theorien benotzt fir Sprooch ze interpretéieren, wéi stochastesch semantesch Analyse oder naiv Semantik.
Gemeinsam NLU Techniken enthalen:
Benannt Entitéit Unerkennung ass de Prozess fir "benannt Entitéiten" z'erkennen, déi Leit sinn, a wichteg Plazen / Saachen. Named Entity Recognition funktionnéiert andeems se fundamental Konzepter a Referenzen an engem Textkierper z'ënnerscheeden, benannt Entitéite identifizéiert an se a Kategorien plazéiert wéi Plazen, Datumen, Organisatiounen, Leit, Wierker, etc. Aufgaben.
Word-Sense Disambiguation ass de Prozess fir d'Bedeitung, oder Sënn, vun engem Wuert ze bestëmmen baséiert op dem Kontext an deem d'Wuert erschéngt. Word Sense Disambiguation benotzt dacks Deel vun Ried Taggers fir d'ZilWuert ze kontextualiséieren. Iwwerwaachte Methode vu Wuertsënn Desambiguatioun enthalen de Benotzer vun Ënnerstëtzungsvektormaschinnen a Gedächtnisbaséiert Léieren. Wéi och ëmmer, déi meescht Wuertsënn Desambiguatiounsmodeller sinn semi-iwwerwaacht Modeller déi souwuel markéiert wéi net-labeléiert Daten benotzen.
Beispiller vum NLU (Natural Language Understanding)
Allgemeng Beispiller vun NLU enthalen Automatiséiert Begrënnung, Automatesch Ticket Routing, Maschinn Iwwersetzung, a Fro Äntwert.
Automatiséiert Begrënnung
Automatiséiert Begrënnung ass eng Disziplin déi zielt fir Maschinnen ze ginn eng Aart vu Logik oder Begrënnung ginn. Et ass eng Branche vun der kognitiver Wëssenschaft, déi beméit, Oflehnungen ze maachen baséiert op medizineschen Diagnosen oder programmatesch / automatesch mathematesch Theorem ze léisen. NLU gëtt benotzt fir Informatioun ze sammelen an z'analyséieren a Conclusiounen ze generéieren op Basis vun der Informatioun.
Automatesch Ticket Routing
NLU gëtt dacks benotzt fir Clientsservice Aufgaben ze automatiséieren. Wann e Client Service Ticket generéiert gëtt, kënnen Chatbots an aner Maschinnen d'Basis Natur vun der Bedierfness vum Client interpretéieren an se an déi richteg Departement rout. Firmen kréien all Dag Dausende vun Ufroe fir Ënnerstëtzung, sou datt NLU Algorithmen nëtzlech si fir d'Prioritéit vun Ticketen ze maachen an d'Ënnerstëtzungsagenten z'erméiglechen se op méi effizient Manéier ze handhaben.
Maschinn Iwwersetzung
Et ass schwéier Ried oder Text vun enger Sprooch an eng aner Sprooch präzis ze iwwersetzen. Tatsächlech, Maschinn Iwwersetzung ass ee vun de schwieregste Probleemer an NLP an NLU. Vill Maschinn Iwwersetzungssystemer vertrauen op sproochleche Reegele fir tëscht Sproochen ze iwwersetzen, awer Fuerscher verfollegen méi sophistikéiert Weeër fir tëscht Sproochen ze iwwersetzen. NLU Maschinn Iwwersetzung probéiert méi Genauegkeet Iwwersetzung z'erméiglechen andeems de Kontext an déi semantesch Informatioun, déi mam Ziltext verbonnen ass, erhalen. Déi genaust Maschinn Iwwersetzungssystemer kombinéiere sproochlech Reegele mat Algorithmen déi semantesch Bedeitung extrahéieren.
Fro Äntwert
Speech Unerkennung benotzt NLU Techniken Computeren ze loossen verstoen Froen mat natierlecher Sprooch poséiert. NLU gëtt benotzt fir de Benotzer vum Apparat eng Äntwert an hirer natierlecher Sprooch ze ginn, anstatt hinnen eng Lëscht mat méiglechen Äntwerten ze ginn. Wann Dir en digitalen Assistent eng Fro stellt, gëtt d'NLU benotzt fir d'Maschinnen ze hëllefen d'Froen ze verstoen, déi passendst Äntwerten auswielen baséiert op Features wéi unerkannten Entitéiten an de Kontext vu fréiere Aussoen.
