本书为广大从业人员和研究学者提供了一个新的视角,基于真实的细分行业需求,在约束的条件下,通过知识图谱相关理论、方法和技术向各行各业赋能,推动语言理解成果向行业的转移转化,更具有落地实操的价值。如何围绕行业需求,结合行业知识构建知识图谱,将自然语言处理与知识图谱更好地融合,直击垂直行业落地应用的痛点,是本书...
但是到目前为止,语言理解服务多体现为项目合作、平台调用、服务赋能,其工业落地效果面临更多的需求挑战。一方面供求双方在业务理解方面差距巨大,另一方面沟通合作也由于存在信息交互隔阂,这些都严重制约自然语言理解项目或产品落地。如何围绕行业需求,仍然需要结合行业知识构建知识图谱,将自然语言处理与知识图谱更好地融合,才能...
信息抽取(Information Extraction)在20世纪70年代后期出现在自然语言处理领域,是指自动地从文本中发现、抽取以及合并信息,从而将非结构化数据转化为结构化数据,这为知识图谱的构建奠定了基础。信息抽取主要包括概念抽取、实体(术语)抽取(Terminology/Glossary Extraction)、实体链接(Entity Disambiguation)、关系抽取(Relationship...
自然语言理解与行业知识图谱:概念、方法与工程落地2.2.1 语法类任务2.2.1语法类任务语法类任务是自然语言处理的经典任务,主要包括词法、句法和篇章分析三个部分。1.词法分析词法分析主要是中文分词、词性标注和命名实体识别任务,此外还包括词形态学任务,即对词根、词干
首先阐述自然语言理解的发展脉络和分析逻辑,主要围绕语言符号、处理体系、语义理解等进行探讨,引出自然语言理解的自动分析原理和方法,包括对自然语言特征、统计语言学习、常规机器学习、深度学习、知识图谱方面的介绍。在上述基本自然语言处理方法讲解基础上,继续阐述行业知识图谱搭建和行业应用的方法。通过作者团队几年来在自...
语义分析(Semantic Parsing)任务是自然语言理解的经典任务,其本质是对文本进行结构化或标签化。经典语义分析针对不同层次的语言单位,任务各不相同。在词的层面上,语义分析的基本任务是词义消歧;在句子层面上,关注的问题是语义角色标注;在篇章层面上,基本任务主要包括指代消解和共指消解。随着知识图谱的发展需要,语义分析...
第8章依托智能应用平台，结合实践案例给出团队的应用经验，即通过四个行业案例来验证平台的认知能力。《自然语言理解与行业知识图谱：概念、方法与工程落地》以自然语言理解和行业知识图谱应用落地为目标，阐述了一个从0到1的行业文本理解案例。《自然语言理解与行业知识图谱：概念、方法与工程落地》为互联网企业的智能...