同樣，不同部門的銀行業務人員，關注點卻截然不同，可以分屬不同的應用場景。銀行客服部門關注使用者投訴的類別，應用場景是投訴分類，如“信用卡->額度->臨時提額”、“客服->電話->接不通”；而銀行營銷部門關注使用者是否為潛客，可針對性營銷哪些產品，應用場景是潛客獲取，如“出國金融”。
由此可知，同樣的NLP技術，識別出同樣的實體結果，但在不同的應用場景下，輸出的結果卻截然不同。顯而易見，NLP的應用必須是場景化的。
應用場景能給NLP什麼？
一、NLP的需求必須結合場景
NLP的需求，無處不在，只要有文字的地方，就有NLP的用武之地。但通常無法簡單概括NLP的需求，都必須結合場景才能明確。比如本文例子，客服場景的需求是投訴分類，而營銷場景的需求是潛客獲取。即使都是客服場景的投訴分類，不同銀行的分類體系也不同，如：臨時提額、額度不夠。這對NLP來說，這顯然是不同的需求。
不似語音識別、人臉識別等感知技術，需求相對單一明確，與場景關聯度低。如語音識別需要把語音轉換成文字，無論轉錄、聽寫、對話場景，或是教育、司法等應用領域，需求是明確不變的。
NLP需求的場景化，使NLP應用只能針對具體場景定製，無法實現快速複製。這也是在NLP領域尚沒有出現類似科大訊飛、商湯科技這樣的獨角獸公司的原因。
二、NLP的任務型別受場景支配
NLP技術是多樣的，底層基礎技術有自動分詞、詞性標註、實體識別，乃至當前流行的深度學習預訓練模型等，應用技術有分類、匹配、關聯、抽取等。每一種技術或演算法，往往都只擅長某類特定的任務，比如谷歌釋出的BERT模型，在文字分類、相似性匹配等任務中表現很好，但是在關聯關係識別任務中的表現沒有那麼驚豔。因此，在NLP領域，沒有一個通用的模型或框架，能適用於所有應用場景，能在所有場景中都表現良好。
NLP任務的確定，演算法與模型的選擇，存在複雜性，且受應用場景支配。既需要行業知識，熟悉場景需求，如客服投訴的需求；又需要有極強的NLP專業知識，對各種演算法的優劣性瞭如指掌，知道在什麼條件下，哪些演算法是表現較好。而這在外人看來，就像藝術一樣，讓人捉摸不透，“state of the art”（最先進的，是藝術級的）。
NLP任務的場景化，是NLP技術走向產業應用的必經之路，也是最容易產生認識誤區的地方。常有人抱怨，某個演算法在論文中可以達到96%的正確率，為什麼放在實際場景中，正確率卻不到70%。這其實都是場景在作祟，論文的封閉實驗場景和實際應用的開放場景不同而已。對待場景化的正確姿勢，是選擇最適合場景需求的NLP技術，而不是最優技術。
三、NLP的常識知識來源於場景
NLP應用需要常識知識。如“股市翻紅”這一簡單描述，到底是利好，還是利空？就涉及到股市常識，如果應用場景是中國股市，那麼“紅色”上漲，“翻紅”為利好；如果應用場景是美股，那麼“紅色”是下跌，“翻紅”則為利空。
常識知識包含兩種。一種是通用常識，如“上漲”的反義詞是“下跌”，“思考”的主語是“人”，“吃食堂”中“食堂”是“吃”的地點（而不是“吃”的內容）等，這些是普通人都掌握的知識。另一種是特定場景下的專業知識，也叫業務知識，如銀行客服的投訴分類體系，每個類別都包含哪些內容等，這些是具體場景下的專業人員所擁有的專業知識，必須來源於場景。這裡關注的是第二種常識。
場景的業務知識，一般是由兩類人掌握。一是具體業務人員，如銀行客服人員，但他們只懂業務，而對技術瞭解甚少；一是提供行業解決方案的應用開發商，如客服系統開發人員，他們往往既懂業務，又懂技術。相反，對一般NLP開發人員來說，場景業務知識是短板。這是很多NLP技術人員，甚至是著名高校的頂級專家，到具體的場景下倍感挫折的原因，不管你跟客戶講“技術是多麼的先進”，客戶最後都會落腳到“你們不懂業務”。NLP應用的落地，一定要將NLP技術與場景的常識知識結合起來。
應用場景對NLP的要求
實際的應用場景千變萬化，每個場景都有特定的需求，這要求NLP技術不能只侷限在實驗室環境和論文級別上，而應用工程化思路，提供適合場景的、好用的NLP技術。
一、元件化
將NLP中的演算法和模型元件化，實現在具體場景下的零門檻呼叫。
元件以任務為單位實現標準化。NLP的技術體系龐雜，演算法、模型很多，即使同一個任務，也可用不同演算法實現。如命名實體識別，可選CRF演算法，可與LSTM演算法結合，也可與最新的BERT模型結合。不同演算法有特定的輸入、輸出要求。元件化將不同演算法封裝成統一格式，不論選擇哪種演算法，都可無縫跳轉，不影響元件使用。
元件將演算法細節封裝起來。NLP演算法的訓練、調參過程，技術性極強，一般使用者會望而生畏。元件將這些過程都封裝起來，使用者使用元件時，只需選擇正確的元件，無需搞懂元件內每個演算法的引數，也無需對引數進行反覆試錯，以尋找最佳配置。
元件的開發，需要NLP專業人員來做，但元件的使用，應該不需要專業知識，一般場景下的開發人員即可完成。
二、流程可組裝
一個應用場景的實現，經常需要呼叫多個NLP元件，而不同的應用場景，元件的呼叫流程也不同。這就要求NLP的處理流程可組裝。
一個典型的客服投訴分析場景，其實現流程包括：
輸入：投訴文字
自動分詞->詞性標註->命名實體識別->情感計算->投訴分類
輸出：投訴分類
該流程中，輸入文字（如本文開始的一段文字），經過多元件處理，上級元件的輸出，作為下級元件的輸入，逐級對資料進行加工，最後輸出投訴分類（如“信用卡->額度->臨時提額”）。
流程可組裝，要做到兩個一致性：一是上下級元件的資料一致性，確保資料能在各元件之間正確傳遞；二是各元件執行環境的一致性，確保所涉及的元件，能在相同的環境下，正確執行。
三、可建模
NLP技術需要學習、使用場景的業務知識，主要通過建模完成，大體分為兩類建模方式：
一種是形式化建模。業務人員利用形式化規則，如產生式規則，直接編寫業務規則。NLP技術自動識別和執行這些形式化規則，從而輸出符合業務人員預期的結果。優點在於簡單直觀，業務人員經過簡單培訓即可操作。缺點是規則泛化能力弱，且規則難免以偏概全，無法覆蓋所有業務現象。
一種是機器學習模型訓練。業務人員標註大量的資料，儘可能地將業務知識體現在標註資料中。NLP技術利用機器學習、深度學習演算法，對標註資料進行自動訓練，形成預訓練模型。優點在於自動化程度高，學習的泛化能力強。缺點是對標註資料要求很高，標註資料量、標註語料平衡性等都需要達到演算法要求，才能得到理想效果，而這一點在絕大多數應用場景下都很難做到。
選擇正確的方式建模，是特定場景下NLP應用成功的關鍵。
泰嶽語義工廠--場景化的自然語言處理平臺
神州泰嶽在場景化NLP應用方向，已經耕耘了8年時間，積累了豐富的場景化技術和經驗，已在16個行業的上百個典型客戶中實現了落地應用。
泰嶽語義工廠是神州泰嶽推出的場景化自然語言處理平臺，支援場景化應用開發、部署、執行，其核心能力包括：
一、元件化的NLP演算法庫
語義工廠的演算法，我們稱之為智慧語義認知技術。將符號化語義表示與深度學習技術進行結合，包含詞語、句子、篇章、海量文字多層次的NLP分析技術，能有效地識別多種語言結構，實現同一意思、不同結構的歸一化處理；對語言結構的遞迴巢狀處理，表現優異。同時，平臺包含了深度優化的深度學習技術和模型，如中文詞向量ChineseWordVec、基於詞的BERT模型等。智慧語義認知技術，已有200個NLP元件，涵蓋NLP基礎、深度學習、分類聚類、資訊抽取、情感計算、自動寫作、對話機器人、效果評估等。所有元件均可以通過restful方式呼叫。
二、可建模、可組裝、跨平臺的場景化開發工具
DINFO-OEC平臺，是語義工廠中支援場景化開發、部署、執行的NLP工具。具有三大功能支援場景化開發：
1、支援場景化業務建模，可通過概念規則，構建形式化的業務規則，也可通過資料標註，指定機器學習（包括深度學習）演算法，訓練機器學習模型。
2、支援視覺化流程定製，可通過元件拖拽方式，靈活組合自帶的200多個NLP元件，快速搭建NLP應用。業務建模給出的模型，可通過元件方式，加入到定製化流程中。
3、提供統一的、跨平臺的NLP執行環境，支援大資料分散式計算（如Spark）、深度學習TensorFlow等技術環境的靈活配置。可以配置使用平臺自帶環境，也可以配置客戶已有環境。
三、 開放賦能的場景化SAAS服務
語義工廠將神州泰嶽數十年來，在多個行業典型使用者積累的應用場景知識、演算法、模型，打包成面向場景的服務，服務的效果已經在行業使用者中得到驗證。開發者只需要一次呼叫，輸入待處理的非結構化文字，即可輸出想要的結構化資料。整個過程，無須開發者標註資料，無須調參，無須長時間訓練，無須二次開發，開發者即使沒有任何NLP技術背景，也可以輕鬆地把NLP技術嵌入到自己的應用中去。泰嶽語義工廠將開放包含NLP基礎服務、應用場景服務和資料服務等三大類服務，涉及16個行業領域，140多個場景的成熟服務。
長風破浪會有時，直掛雲帆濟滄海。
泰嶽語義工廠為場景化而生，場景化NLP應用也必將藉助泰嶽語義工廠的助力，迎風起航！
作者：晉耀紅博士，神州泰嶽AI研究院首席科學家