2. Extracción de información: Extrae información importante del texto dado, como hora, lugar, personas, eventos, causas, resultados, números, fechas, monedas, nombres propios, etc. En términos generales, significa saber quién hizo qué, cuándo, por qué, a quién y con qué consecuencias. Implica tecnologías clave como el reconocimiento de entidades, la extracción de tiempo y la extracción de causalidad.
3. Minería de texto (o minería de datos de texto): incluye agrupación de texto, clasificación, extracción de información, resumen, análisis de sentimientos e interfaces de visualización y expresión interactiva para información y conocimiento extraídos. La tecnología convencional actual se basa en el aprendizaje automático estadístico.
4. Traducción automática: traduce automáticamente el texto del idioma de origen de entrada al texto de otro idioma. Según los diferentes medios de entrada, se puede subdividir en traducción de texto, traducción de voz, traducción de lengua de signos, traducción gráfica, etc. Desde los primeros métodos basados en reglas hasta los métodos estadísticos de hace veinte años y los métodos actuales de redes neuronales (codificación-decodificación), la traducción automática ha ido formando gradualmente un sistema de métodos relativamente riguroso.
5. Recuperación de información: Indexar documentos de gran tamaño. Simplemente podemos asignar diferentes pesos a las palabras del documento para crear un índice, o podemos usar las técnicas 1, 2 y 3 para crear un índice más profundo. Al realizar una consulta, primero se analiza la expresión de consulta de entrada, como un término o una oración de búsqueda, luego se encuentran los documentos candidatos coincidentes en el índice, luego los documentos candidatos se clasifican según el mecanismo de clasificación y, finalmente, se selecciona el documento con la clasificación más alta. Se emite la puntuación.
6. Sistema de preguntas y respuestas: Las preguntas expresadas en lenguaje natural reciben respuestas precisas mediante el sistema de preguntas y respuestas. Es necesario realizar algún análisis semántico de las declaraciones de consulta en lenguaje natural, incluida la vinculación de entidades y la identificación de relaciones, para formar expresiones lógicas y luego buscar posibles respuestas candidatas en la base de conocimientos y encontrar la mejor respuesta a través de un mecanismo de clasificación.
7. Sistema de diálogo: El sistema chatea con el usuario a través de una serie de diálogos, responde y completa una determinada tarea. Incluye comprensión de las intenciones del usuario, motor de chat general, motor de preguntas y respuestas, gestión del diálogo y otras tecnologías. Además, para reflejar la relevancia contextual, se requiere la capacidad de tener múltiples rondas de diálogo. Al mismo tiempo, para reflejar la personalización, es necesario desarrollar retratos de usuarios y respuestas personalizadas basadas en retratos de usuarios.
Con el desarrollo del aprendizaje profundo en el reconocimiento de imágenes, el reconocimiento de voz y otros campos, la gente tiene grandes esperanzas en el valor del aprendizaje profundo en el procesamiento del lenguaje natural. Junto con el éxito de AlphaGo, la investigación y aplicación de la inteligencia artificial se han vuelto populares. Como inteligencia cognitiva en el campo de la inteligencia artificial, el procesamiento del lenguaje natural se ha convertido en el foco de atención de las personas. Muchas empresas están entrando en el campo del lenguaje natural y esperan mostrar su talento en el futuro hacia la inteligencia artificial.
El procesamiento del lenguaje natural (PNL para abreviar) es una tecnología que estudia el procesamiento informático del lenguaje humano.