自然语言处理的研究领域极为广泛，各种分类方式层出不穷，各有其合理性。 我们以“Natural Language Processing”为关键词，通过AMiner对1962 – 2017年间自然语言处理领域论文的挖掘，我们总结出50年来，自然语言处理领域的起源关键词主要集中在 注：每个彩色分支表示一个关键词领域，其宽度表示该关键词的研究热度。 各关键词在每一年份（纵轴）的位置是按照这一时间点上的热度高低进行排序的。 自然语言处理技术起源 我们按照中国中文信息学会2016年发布的《中文信息处理发展报告》，将自然语言处理的研究领域和技术进行以下分类，今天选取其中应用技术部分进行介绍。 自然语言处理技术分类 自然语言处理应用技术包括机器翻译、信息检索、情感分析、社会媒体处理等。 机器翻译（Machine Translation）是指运用机器，通过特定的计算机程序将一种书写形式或声音形式的自然语言，翻译成另一种书写形式或声音形式的自然语言。 机器翻译是一门交叉学科（边缘学科），组成它的三门子学科分别是计算机语言学、人工智能和数理逻辑，各自建立在语言学、计算机科学和数学的基础之上。 机器翻译总体上可以从方法和媒介两个方面进行分类，如下图所示。 从方法的角度进行分类的话，可以分为基于理性的研究方法和基于经验的研究方法两种。 1.基于理性的研究方法 所谓“理性主义”的翻译方法，是指由人类专家通过编撰规则的方式，将不同自然语言之间的转换规律生成算法，计算机通过这种规则进行翻译。 这种方法理论上能够把握语言间深层次的转换规律，然而理性主义方法对专家有如下的要求。
这些因素都使得研制系统的成本高、周期长，面向小语种的翻译更是人才匮乏非常困难。 因此，翻译知识和语言学知识的获取成为基于理性的机器翻译方法所面临的主要问题。 2.基于经验的研究方法 所谓“经验主义”的翻译方法，指的是以数据驱动为基础，主张计算机自动从大规模数据中学习自然语言之间的转换规律。 如今，以数据驱动为基础的统计翻译方法逐渐成为机器翻译的主流技术，但是同时统计机器翻译也面临诸如数据稀疏、难以设计特征等问题。 而深度学习能够较好的缓解统计机器翻译所面临的挑战，基于深度学习的机器翻译现在正获得迅速发展，成为当前机器翻译领域的热点。 从媒介的角度进行分类的话，可以分为文本翻译、语音翻译、图像翻译以及视频和VR翻译等。 1.文本翻译 目前，文本翻译最为主流的工作方式依然是以传统的统计机器翻译和神经网络翻译为主。 Google、Microsoft与国内的百度、有道等公司都为用户提供了免费的在线多语言翻译系统。 Google翻译 微软翻译 另外，即时通讯工具如Googletalk、Facebook等也都提供了即时翻译服务。 速度快、成本低是文本翻译的主要特点，而且应用广泛，不同行业都可以采用相应的专业翻译。 但是，这一翻译过程是机械的和僵硬的，在翻译过程中会出现很多语义语境上的问题，仍然需要人工翻译来进行补充。 2.语音翻译 语音翻译可能是目前机器翻译中比较富有创新意思的领域，吸引了众多资金和公众的注意力。 亚马逊的Alexa、苹果的Siri、微软的Cortana等，搜狗推出的机器同传技术，科大讯飞推出的“讯飞语音翻译”系列产品，以及与新疆大学联合研发的世界上首款维汉机器翻译软件。 同声传译广泛应用于国际会议等多语言交流的场景，但是人工同传受限于记忆、听说速度、费用偏高等因素门槛较高， 3.图像翻译 图像翻译方面也有不小的进展，谷歌、微软、Facebook和百度均拥有能够让用户搜索或者自动整理没有识别标签的照片的技术。 图像翻译技术的进步远不局限于社交类应用，医疗创业公司可以利用计算机阅览X光照片、MRI（核磁共振成像）和CT（电脑断层扫描）照片，阅览的速度和准确度都将超过放射科医师。 而且图像翻译技术对于机器人、无人机以及无人驾驶汽车的改进至关重要，福特、特斯拉、Uber、百度和谷歌均已在上路测试无人驾驶汽车的原型。 除此之外还有视频翻译和VR翻译也在逐渐应用中，但是目前的应用还不太成熟。 |
|
|
