Aplicacións da tecnoloxía de procesamento de linguaxe natural

Como será NLP Formar o futuro do Tech World?

O procesamento de linguas naturais ou NLP é unha rama da intelixencia artificial que ten moitas implicacións importantes nas formas en que interactúan as computadoras e os humanos. A linguaxe humana, desenvolvida durante miles e miles de anos, converteuse nunha forma de comunicación matizada que leva unha gran cantidade de información que moitas veces transcende as palabras por si soa. A PNL converterase nunha importante tecnoloxía para superar a brecha entre a comunicación humana e os datos dixitais. Aquí hai 5 xeitos de utilizar o procesamento de linguas naturais nos próximos anos.

01 de 05

Tradución automática

Liam Norris / Stone / Getty Images

A medida que a información do mundo está en liña, a tarefa de facer accesible esta información é cada vez máis importante. O desafío de que a información do mundo sexa accesible para todos, a través das barreiras lingüísticas, simplemente superou a capacidade de tradución humana. Empresas innovadoras como Duolingo están a buscar contratar grandes cantidades de persoas para contribuír, ao coincidir os esforzos de tradución coa aprendizaxe dunha nova lingua. Pero a tradución automática ofrece unha alternativa aínda máis escalable para harmonizar a información do mundo. Google é unha empresa na vangarda da tradución automática, utilizando un motor estatístico propietario para o seu servizo de tradución de Google. O desafío coas tecnoloxías de tradución automática non consiste en traducir palabras, senón para preservar o significado das oracións, un problema tecnolóxico complexo que se atopa no núcleo da PNL.

02 de 05

Loitando contra o spam

Os filtros de spam convertéronse en importantes como a primeira liña de defensa contra o crecente problema de correo electrónico non desexado. Pero case todos os que usan correo electrónico extensivamente experimentaron agonía por correos electrónicos non desexados que aínda se reciben, ou correos importantes que accidentalmente foron capturados no filtro. As cuestións falso-positivas e falsas-negativas dos filtros de spam están no centro da tecnoloxía de NLP, volvéndose a abaixar ao desafío de extraer o significado de cadeas de texto. Unha tecnoloxía que recibiu moita atención é o filtrado bayesiano de spam , unha técnica estatística na que se mide a incidencia de palabras nun correo electrónico fronte á súa aparición típica nun corpus de correo non desexado e spam.

03 de 05

Extracción da información

Moitas decisións importantes nos mercados financeiros están cada vez máis afastadas da supervisión e control humanos. A negociación algorítmica é cada vez máis popular, unha forma de investimento financeiro totalmente controlada pola tecnoloxía. Pero moitas destas decisións financeiras son afectadas polas noticias, polo xornalismo que aínda se presenta predominantemente en inglés. Unha tarefa importante, entón, da NLP volveuse a tomar estes anuncios de texto simples e extraendo a información pertinente nun formato que pode ser considerado nas decisións comerciais algorítmicas. Por exemplo, a noticia dunha fusión entre as empresas pode ter un grande impacto nas decisións comerciais ea rapidez coa que os datos da fusión, os xogadores, os prezos que adquiren quen se poden incorporar a un algoritmo de negociación poden ter implicacións de lucro no millóns de dólares.

04 de 05

Resumo

A sobrecarga de información é un verdadeiro fenómeno na nosa era dixital, e xa o noso acceso ao coñecemento e á información supera en grande medida a nosa capacidade de comprensión. Esta é unha tendencia que non mostra ningún sinal de desaceleración, polo que a capacidade de resumir o significado de documentos e información é cada vez máis importante. Isto é importante non só nos permitir a capacidade de recoñecer e absorber a información pertinente de grandes cantidades de datos. Outro resultado desexado é comprender significados emocionais máis profundos, por exemplo, en función dos datos agregados dos medios sociais , ¿pode unha compañía determinar o sentimento xeral para a súa última oferta de produtos? Esta rama da NLP será cada vez máis útil como un activo de mercadotecnia valioso.

05 de 05

Contestación da pregunta

Os motores de busca puxeron ao alcance a riqueza da información do mundo, pero aínda así son bastante primitivos cando se trata de responder ás preguntas específicas dos humanos. Google viu a frustración que isto provocou nos usuarios, que a miúdo necesitan probar varios resultados de busca diferentes para atopar a resposta que buscan. Un gran foco de esforzos de Google na PNL foi recoñecer cuestións de linguaxe natural, extraer o significado e proporcionar a resposta e a evolución da páxina de resultados de Google mostrou este foco. Aínda que mellorando certamente, este segue sendo un gran desafío para os motores de busca e unha das principais aplicacións da investigación de procesamento de linguaxe natural.