常常会听到有人说，自然语言处理（NLP）是人工智能技术（AI）皇冠上的明珠。那么，从这句话上就能够看到，目前我们常常说的NLP其实是AI技术的一个分支，而且是较难的那一个分支。
那么，到底什么是NLP呢？大概这个问题会在我们从事NLP研究和学习的过程中会一直存在，当你处于不同的阶段，应该会有不同的理解。小Dream也只能说一说在目前这个阶段，对NLP的一些理解。
所谓“自然语言”，是相对于计算机语言（计算机能够理解的语言，如汇编、C语言等）而言的，也就是人类日常使用的语言。因为计算机设计之初主要是用于计算，或者完成某一项有明确规则任务。所以计算机语言与人类日常使用的语言存在很大的差异，计算机不能直接理解人类语言的含义，不能直接同人类进行沟通。要想实现计算机的智能化，不能够理解人类语言，是必须要跨越的一道障碍。因为，人类语言承载了人的思考、文化等，是每个人对外沟通的最主要手段。NLP就是为了解决这样一个问题而出现的技术。他希望能够使得计算机能够理解人类的语言，甚至是语言背后的文化与意图。例如说，当你说“我饿了”，计算机能够明白你肚子饿了，并且提出帮你定外卖；当你说“保护好你的菊花”，计算机能够结合当时的情境，明白你说的菊花到底是哪个菊花。
1. NLP技术的主要范畴
1）语音识别
顾名思义，就是将语音转化为文字。这一部分，小Dream还没机会涉及到，短时间应该不会涉及，感兴趣的小伙伴可以出门左转，百度一下。
2）分词、实体识别等序列标注问题
分词和实体识别是自然语言处理比较基础的部分，但是非常的重要。小Dream之前涉及过实体识别相关的工作，所以会在下一篇NLP系列文章中介绍相关的工作，敬请关注啦。
3）机器翻译
这是NLP领域比较早的一个工作，谷歌的机器翻译已经能够做到较好的水平。谷歌在2018年，利用attention技术构建的Transformer模型，是目前在这一领域比较大的进展。
4）对话系统
智能客服，聊天机器人等都需要用到这一项NLP技术。小Dream未来一段时间都会从事这项工作的研究及开发，所这一方面应该做一个较长的连载了。
5）文本摘要
6）自然语言生成
最近，OPENAI发布的GPT2.0具有很高的自然语言生成能力，预期会对自然语言处理技术产生不小的影响，感兴趣的同学可以参见如下链接：https://github.com/openai/gpt-2
7）文字蕴含
8）其他方面
2. NLP技术的难点
1）单词的边界界定
在口语中，词与词之间通常是连贯的，而界定字词边界通常使用的办法是取用能让给定的上下文最为通顺且在文法上无误的一种最佳组合。在书写上，汉语也没有词与词之间的边界。
2）词义的消歧
在各国的语言中，多义词的现象都比较多。NLP常常需要根据词语的上下文决定目前的语境环境下，该词的具体含义。
3）句法的模糊性
自然语言的文法通常是模棱两可的，针对一个句子通常可能会剖析出多棵剖析树，而我们必须要仰赖语意及前后文的资讯才能在其中选择一棵最为适合的剖析树。
4）语言的概括性
句子常常并不只是字面上的意思；例如，“你能把盐递过来吗”，一个好的回答应当是把盐递过去；在大多数上下文环境中，“能”将是糟糕的回答，虽说回答“不”或者“太远了我拿不到”也是可以接受的。再者，如果一门课程去年没开设，对于提问“这门课程去年有多少学生没通过？”回答“去年没开这门课”要比回答“没人没通过”好。
