NLP（自然语言处理）到底是做什么？

NLP 的全称是 Natural Language Processing，翻译成中文称作：自然语言处理。它是计算机和人工智能的一个重要领域。顾名思义，该领域研究如何处理自然语言。

自然语言就是我们人类市场交流所使用的语音和字符系统。就目前而言，NLP所研究的对象，以字符系统——也就是我们通常说的“文字”——为主。

为什么要处理自然语言？

为什么要处理文字呢？因为有需求啊！

我们用文字描述事物、经历和思想。形成的文献资料，除了被阅读，往往还需要进行很多其他操作。

比如，被翻译成其他语种；对内容进行摘要；在其中查找某个问题的答案；或者，了解其中提到了哪些人事物，以及它们之间的关系如何，等等。

虽然所有这些需求，都可以通过人工阅读文献来解决，但“浩如烟海”的文献量导致人工文字处理的产能严重不足。

NLP 的发展历程

上世纪 40 年代计算机被发明，用机器而非人力来处理信息成为可能。早在 1950 年代，自然语言处理就已经成为了计算机科学的一个研究领域。

不过一直到 1980 年代，NLP 系统是以一套复杂的人工订制规则为基础，计算机只是机械地执行这些规则，或者做一些诸如字符匹配，词频统计之类的简单计算。

1980年代末期，机器学习的崛起为 NLP 引入了新的思路。刚性的文字处理人工规则日益被柔性的、以概率为基础的统计模型所替代。

近些年来，随着深度学习的发展，各类神经网络也被引入 NLP 领域，成为了解决问题的技术。

这里要注意了：自然语言处理（NLP）指以计算机为工具解决一系列现实中和自然语言相关的问题，机器学习、深度学习是解决这些问题的具体手段。 当我们关注 NLP 这一领域时，要分清本末，要做的事情是本，做事的方式方法是末。如果神经网络能够解决我们的问题，我们当然应该采用，但并不是只要去解决问题，就一定要用神经网络。

常见的 NLP 任务

NLP 要处理的问题纷繁复杂，而且每一个问题都要结合相应场景和具体需求才好讨论。

不过这些问题也有相当多的共性，基于这些共性，我们将千奇百怪的待解决 NLP 问题抽象为若干任务。

例如：分词、词嵌入、新词发现、拼写提示、词性标注、实体抽取、关系抽取、事件抽取、实体消歧、公指消解、文本分类、机器翻译、自动摘要、阅读理解等等，都是常见的 NLP 任务。

从 NLP 任务到技术实现

针对这些任务，NLP 研究人员探索出了很多方法，这些方法又对应于不同类型的技术。

在工作中，当我们遇到问题的时候，往往需要先将其对应到一个或多个任务，再在该任务的常用实现方法中选取一种适合我们使用的来执行任务。

【举个例子】：我们要基于若干文献构建一个知识图谱，知识图谱的两大核心要素是实体和关系，那么当然首先我们面临的任务就是从这些文献中抽取实体和关系。

实体抽取是一项非常常见的 NLP 任务，实现它的方法有多种，大体而言分为两个方向：

i）基于实体名字典进行字符匹配抽取；

ii）用序列预测模型进行抽取。

序列预测模型又可以选用机器学习模型，比如条件随机场（CRF）；或选用神经网络，比如 CRF+LSTM，或 CRF+BERT等。

具体选哪种方法呢？那就要看我们需要抽取的实体类型、文献类型和文献量了。

如果现在是从少量专业文献（例如论文、说明书、研究报告等）中抽取一些列专业名词表示的实体，那么用字典匹配方便直接代价小，可以一试。

如果是要从海量的各类文献中抽取一些通用的实体，那么借助模型则可能效果更佳。

具体用机器学习模型还是神经网络呢？这又和我们拥有的标注数据与计算资源有关，如果不差钱，想标多少数据，想训练多大模型都不在乎，上神经网络自然可以追求高准确率，但如果资源捉襟见肘，可能机器学习模型更加实用。