如果单从NLP字母缩写包含很多意思： 有数学的非线性规划（Non-linear programming） 医学的无光感（No light perception） 心理学的 神经语音规划 （Neuro-linguistic programming） 计算机科学与语言学转换的领域（natural language processing）
这里指的是计算机科学与语言学转换的领域。（NLP）是人工智能和语言学领域的分支学科。（人工智能主要包含以下几个方面： 自动推理-计算语言学-计算机视觉-进化计算-专家系统-自然语言处理-机器人学）自然语言处理（NLP）是信息时代最重要的技术之一。理解复杂的语言也是人工智能的重要组成部分。NLP的应用无处不在，因为人们用语言进行大部分沟通：网络搜索，广告，电子邮件，客户服务，语言翻译，发布学报告等等。NLP应用背后有大量的基础任务和机器学习模型。 
什么是自然语言处理
NLP是计算机以一种聪明而有用的方式分析，理解和从人类语言中获取意义的一种方式。通过利用NLP，开发者可以组织和构建知识来执行自动摘要，翻译，命名实体识别，关系提取，情感分析，语音识别和话题分割等任务。 
自然语言处理如何工作 目前NLP的方法是基于深度学习，这是一种AI，它检查和使用数据中的模式来改善程序的理解。深度学习模型需要大量的标记数据来训练和识别相关的相关性，汇集这种大数据集是当前NLP的主要障碍之一。早期的NLP方法涉及更基于规则的方法，在这种方法中，简单的机器学习算法被告知要在文本中查找哪些单词和短语，并在这些短语出现时给出特定的响应。但深度学习是一个更灵活，直观的方法，在这个方法中，算法学会从许多例子中识别说话者的意图，就像孩子如何学习人类语言一样。 
自然语言应用 NLP算法通常基于机器学习算法。NLP可以依靠机器学习来自动学习这些规则，而不是手工编码大量的规则集，通过分析一系列的例子（如，一个大的数据库，像一本书，直到一堆句子的集合），并且做一个静态的推论。一般来说，分析的数据越多，模型越精确。社交媒体分析是NLP使用的一个很好的例子。品牌在线跟踪对话以了解客户的意见，并洞悉用户行为。 
开源的NLP库 Apache OpenNLP：一种机器学习工具包，提供标记器，句子分段，词性标注，命名实体提取，分块，解析，共参考解析等等。 自然语言工具包（NLTK）：提供用于处理文本，分类，标记化，词法分析，标记，解析等模块的Python库。 斯坦福的NLP：一套NLP工具，提供词性标注，命名实体识别器，共识解析系统，情感分析等等。
视频资料查找 斯坦福大学NLP - Dan Jurafsky＆Chris Manning教授 自然语言处理 - 密歇根大学 （IIT Bombay计算机科学与工程系Pushpak Bhattacharyya教授的自然语言处理） 自然语言理解：基础和艺术 西蒙斯学院 自然语言处理导论 - 剑桥编码学院
处理的主要范畴 文本朗读（Text to speech）/语音合成（Speech synthesis） 语音识别（Speech recognition） 中文自动分词（Chinese word segmentation） 词性标注（Part-of-speech tagging） 句法分析（Parsing） 自然语言生成（Natural language generation） 文本分类（Text categorization） 信息检索（Information retrieval） 信息抽取（Information extraction） 文字校对（Text-proofing） 问答系统（Question answering） 机器翻译（Machine translation） 自动摘要（Automatic summarization） 文字蕴涵（Textual entailment）
使用NLP构建您自己的RSS阅读器 可以使用以下算法在30分钟内构建机器学习RSS阅读器： ScrapeRSS从RSS提要中获取标题和内容； Html2Text保留重要的文本，但从文档中去除所有的HTML； AutoTag使用潜在的Dirichlet分配来识别文本中的相关关键字； 情感分析然后用来确定文章是积极的，消极的还是中立的； Summarizer终于被用来识别关键句子。
本文参考资料 Wikipedia The Stanford NLP Group Coursera Matt Kiser Margaret Rouse
|
