easyai.tech 發現入門人工智慧是一件很難的事情，尤其是對於非技術人員。

於是我們將國內外優秀的科普內容用最通俗易懂的方式整合到一起，專門針對非技術人員，讓大家都能理解人工智慧領域裡的基本概念。

讓非技術也能理解 NLP

本篇內容則是 NLP 的專題，我們彙總了一些關於 NLP 的基礎內容，相信大家看完本篇內容後可以理解下面幾個問題：

1. NLP 是什麼，為什麼大家要研究 NLP ？
2. 研究和應用 NLP 的目的是什麼？
3. NLP 在實際應用中會用到哪些方法，大概有哪些步驟？

由於是針對非技術人群的，所以內容裡不會涉及到程式碼或者大量的技術概念，不需要有技術基礎同樣可以看明白。

NLP 裡的一些重要概念

自然語言處理 – NLP

NLP 就是人類和機器之間溝通的橋樑！這個部分會講解 NLP 的重要性，研究 NLP 的目的，NLP 的應用方向，NLP 的大致方法和流程等內容，讓大家對 NLP 有一個宏觀的認識。

瞭解詳情：《 一文看懂自然語言處理-NLP（4個典型應用+5個難點+6個實現步驟） 》

自然語言理解 – NLU

自然語言理解就是希望機器像人一樣，具備正常人的語言理解能力，由於自然語言在理解上有很多難點(下面詳細說明)，所以 NLU 是至今還遠不如人類的表現。

瞭解詳情：《 一文看懂自然語言理解-NLU（基本概念+實際應用+3種實現方式） 》

自然語言生成 – NLG

NLG 是為了跨越人類和機器之間的溝通鴻溝，將非語言格式的資料轉換成人類可以理解的語言格式，如文章、報告等。

瞭解詳情：《 一文看懂自然語言生成 - NLG（6個實現步驟+3個典型應用） 》

分詞 – Tokenization

分詞是自然語言理解 – NLP 的重要步驟。分詞就是將句子、段落、文章這種長文字，分解為以字詞為單位的資料結構，方便後續的處理分析工作。

瞭解詳情：《 一文看懂NLP裡的分詞（中英文區別+3 大難點+3 種典型方法） 》

詞幹提取 – Stemming | 詞形還原 – Lemmatisation

詞幹提取和詞形還原是英文語料預處理中的重要環節。雖然他們的目的一致，但是兩者還是存在一些差異。本文將介紹他們的概念、異同、實現演算法等。

瞭解詳情：《 一文看懂詞幹提取和詞形還原（基本概念、異同、主流演算法） 》

詞性標註 – Part of speech

本文根據自己的學習過程以及查閱相關資料的理解，對自然語言基礎技術之詞性標註進行了相對全面的簡紹，包括定義、目前的難點以及常見方法，還推薦了一大波python實戰利器，並且包括工具的用法。

瞭解詳情：《 一文看懂詞性標註（基本概念+4種方法+7種工具） 》

命名實體識別 – Named-entity recognition | NER

命名實體識別（Named Entity Recognition，簡稱NER），又稱作“專名識別”，是指識別文字中具有特定意義的實體，主要包括人名、地名、機構名、專有名詞等。簡單的講，就是識別自然文字中的實體指稱的邊界和類別。

瞭解詳情：《 一文看懂NLP裡的命名實體識別 - NER（發展史+4類方式+工具推薦） 》