让机器处理自然语言难度很大

时间:2019-04-17 作者:admin 热度:
让机器处理自然语言,难度在于人类信息表达的灵活性以及无处不在的长距离逻辑关联,这种逻辑关联既包含来自语言结构的依存关系,也包含语义层面上的逻辑关系,且二者相互渗透。同时,处理的过程也需要对知识(包含领域知识和常识)的大量依赖。
 
就自然语言理解来说,这项技术经历了从符号智能到统计学习、再到深度学习的发展和演化。深度学习虽然风头正劲,但其擅长的是通过神经网络的「模糊表示」来处理信息表达的灵活性,长距离的逻辑关联问题则需要符号智能来解决;而要解决对知识的依赖,则既需要神经网络的方法来记忆和运用各种琐细灵活的知识,又需要利用符号智能来进行知识的存储和调用。
 
深度好奇成立于2016年底,他们认为,深度学习和符号智能的结合,或者说神经符号智能,将是下一代自然语言理解的新范式,也是解决自然语言理解这个困难任务的唯一路径。
 
目前在文本处理领域,深度好奇是全球第一家成功研发出基于神经符号智能的商用化系统并实现场景落地的公司。具体来说,深度好奇以神经符号系统为核心技术思想,构建了以OONP(面向对象的神经规划)为核心技术框架的自然语言理解技术平台,其中包含多个自研技术模块,具体体现为两大功能平台:复杂文本理解和对话系统。
 
 目前深度好奇走的是高技术壁垒+领域深度结合的路线,专注公安和金融两大领域,在上述平台的基础上开发了公安案情语义图谱、智能视频审核、语音视频调度等产品,未来会继续以标准化产品赋能更多场景。
声明:本文内容由互联网用户自发贡献自行上传,本网站不拥有所有权,未作人工编辑处理,也不承担相关法律责任。如果您发现有涉嫌版权的内容,欢迎发送邮件至:569980890@qq.com 进行举报,并提供相关证据,工作人员会在5个工作日内联系你,一经查实,本站将立刻删除涉嫌侵权内容。