NaturalLanguage Processing，全称NLP
语义处置横贯：软件工程、社会学、人工智慧化等学科专业，是软件工程与社会学的研究课题，又常被称为排序社会学。
语义处置的最后目标是让笔记本电脑用人类文明词汇做一些精明的事情和利用人类文明词汇进行人格抒发。比如说精心安排接吻、买东西、或更高阶的最后目标——认知世界。
每晚你都在采用各式各样的语义处置软件，比如说注音的输出Bazelle、浏览器的搜寻提议、推测wlzwyyan贴文是反面还是反面、用例等。目前分散的研究路径是智能化概要，他们期望生产出采用语义与采用者沟通交流的商品，比如说苹果公司siri——把人类文明词汇变为了消费需求级商品。
控制技术的不断进步造就新商品
仓颉注音
许多80后、70后自学过算数注音。但而后，仓颉注音基本上完全替代了算数字型。
前年算数字型盛行的时候，仓颉注音智能化某种程度十分低，采用者需要为每一个罗马字从大量字音中优先选择恰当的简化字，TNUMBERA51机能也十分弱，操作速度十分慢。
到而后自然词汇处置控制技术获得重大进展，统计数据词汇数学模型使他们能够为沃尔辛的罗马字手动优先选择最可能的简化字字符串，使仓颉注音的方便快捷及加速，最后替代算数注音。
智能化音箱
2020年2月11日最新消息称，英国六成智能化音箱采用者采用AmazonEcho 碾轧苹果公司和Google。而据可考数据显示，英国市场智能化音箱采用者量在2019年1月已达6640万，换算下，相当于AmazonEcho的采用者数将在4000万+，Amazon应用于智能化音箱Echo无疑成为了全球范围内截至目前最为成功的消费需求级AI商品。
语义处置的过程
如上所示，对于文本（text），依次经历了以下几个过程：
分词(Tokenization)
形态分析(Morphological analysis)
句法分析(syntactic analysis)
语义认知(semantic interpretation)
篇章处置(discourse processing)
简单来说，就是把一大段文本，切成各式各样的词，然后区分出主谓宾、定状补等句式，最后认知这段话指代的真实意思。
一段文本——> 分词——> 词性——>句法——>语义
语义生成
Natural Language Generation，全称NLG
语义生成，从知识库或逻辑形式等等机器表述系统去生成语义。
– 马尔科夫链
马尔科夫链是最早用于词汇生成的算法之一。它仅通过采用当前单词来预测句子中的下一个单词。比如说有如下2个句子：
I drink coffee in the morning
I eat sanwiches with tea
马尔科夫链数学模型自学到 coffee 会跟随 drink的可能性是 100%，而 I 跟随 drink 的可能性是 50%，跟随 eat 的可能性也是 50%。
马尔科夫链自学每一个单词之间的关系来排序下一个单词的概率。
– OpenAI GPT-2
2019 年，OpenAI 发布了GPT-2词汇数学模型，它有大约 15 亿个参数，只需寥寥可数的几行输出文本即可生成长篇连贯的文章。
思考题：
目前的控制技术，很多时候，机器能认知一半的含义就够了。
