人工智能应用概论完整版课件全套ppt教学教程 最全电子讲义（最新）.ppt

8.1知识图谱技术的技术原理 8.1.3.知识图谱技术的技术原理 第五步：上层应用开发与系统评估：基于规则的场景1 8.1知识图谱技术的技术原理 8.1.3.知识图谱技术的技术原理 第五步：上层应用开发与系统评估：基于规则的场景2 8.1知识图谱技术的技术原理 8.1.3.知识图谱技术的技术原理 第五步：上层应用开发与系统评估：基于概率的场景 1.2 发展历程 自然语言处理的历史几乎跟计算机和人工智能一样长，计算机出现后就有了人工智能的研究。人工智能早期研究已经涉及机器翻译以及自然语言理解，基本分为三个阶段。 阶段 时段 研究手段 第一阶段 50-70年代 图灵测试 经验主义方法 基于规则的方法 第二阶段 80年代开始 理性主义方法 基于统计的方法 大三阶段 2008年之后 深度学习 1.2 发展历程 1950年图灵提出了著名的“图灵测试”，这一般被认为是自然语言处理思想的开端， 20世纪50年代到70年代自然语言处理主要采用基于规则的方法，研究人员们认为自然语言处理的过程和人类学习认知一门语言的过程是类似的，所以大量的研究员基于这个观点来进行研究，这时的自然语言处理停留在理性主义思潮阶段，以基于规则的方法为代表。但是基于规则的方法具有不可避免的缺点，首先规则不可能覆盖所有语句，其次这种方法对开发者的要求极高，开发者不仅要精通计算机还要精通语言学，因此，这一阶段虽然解决了一些简单的问题，但是无法从根本上将自然语言理解实用化。 1.2 发展历程 80年代以后随着互联网的高速发展，丰富的语料库成为现实以及硬件不断更新完善，自然语言处理思潮由理性主义向经验主义过渡，基于统计的方法逐渐代替了基于规则的方法。贾里尼克和他领导的IBM华生实验室是推动这一转变的关键，他们采用基于统计的方法，将当时的语音识别率从70%提升到90%。在这一阶段，自然语言处理基于数学模型和统计的方法取得了实质性的突破，从实验室走向实际应用。 1.2 发展历程 从 2008 年到现在，在图像识别和语音识别领域的成果激励下，人们也逐渐开始引入深度学习来做自然语言处理研究，由最初的词向量到2013年word2vec，将深度学习与自然语言处理的结合推向了高潮，并在机器翻译、问答系统、阅读理解等领域取得了一定成功。深度学习是一个多层的神经网络，从输入层开始经过逐层非线性的变化得到输出。从输入到输出做端到端的训练。把输入到输出对的数据准备好，设计并训练一个神经网络，即可执行预 想的任务。RNN已经是自然语言处理最常用的方法之一，GRU、LSTM 等模型相继引发了 一轮又一轮的热潮。 1.3 应用场景 ◎机器翻译 1.3 应用场景 ◎智能问答 1.3 应用场景 ◎智能写作 左边这两首诗，哪一首是机器作的，哪一首是宋代诗人葛绍体写的，你能分出来吗？ 1.3 应用场景 ◎本文情感分析 文本情感分析：又称意见挖掘、倾向性分析等。简单而言,是对带有情感色彩的主观性文本进行分析、处理、归纳和推理的过程。互联网(如博客和论坛以及社会服务网络如大众点评)上产生了大量的用户参与的、对于诸如人物、事件、产品等有价值的评论信息。这些评论信息表达了人们的各种情感色彩和情感倾向性,如喜、怒、哀、乐和批评、赞扬等。基于此,潜在的用户就可以通过浏览这些主观色彩的评论来了解大众舆论对于某一事件或产品的看法。 PART2 小试牛刀 2 2.1 体验机器翻译 选择国内几个主流翻译平台，如百度翻译、有道翻译、搜狗翻译、谷歌翻译、微软翻译，观察和比较他们在古诗、网络流行语方面的翻译准确性。 如：诗词、文言文、“给力”、“佛系”、“确认过眼神”…… 2 2.2 自然语言处理平台 基于如下NLP平台，体验分词、词性标注等功能。 /nlpir/ 2 2.3 人工智能平台AI能力体验 访问如下地址，体验百度智能云平台的情绪识别AI能力。 /tech/nlp_apply/emotion_detection PART3 本章小结 【本章小结】 语言是我们人类区别于其他动物的重要特征，承担着人类表达情感、交流思想、传播知识等重要功能。未来，人机协作将长期共存，自然语言处理将是实现人机语言沟通这种人机交互方式的重要技术手段。人类对自然语言处理的探索随着计算机的诞生就已出现，目前已有60余年的发展历史，中间有弯路也有重大突破，至今仍是人工智能领域重点研究分支，希望未来有更多才俊加入发展自然语言处理发展队伍中，让人工智能皇冠上的这颗明珠熠熠生辉。 【讨论】 1.拿出自己的手机，观察手机的哪些功能或者手机中哪款APP的功能 是与自然语言处理相关的？这些功能使用起来效果如何，还存在 哪些不足？ 2.你有与机器对话（如机器客服电话）的经历吗？交流过程顺利吗？ 《人工智能应用概论