fernanm7864x@outlook.com

第四，天然說話處置中愈來愈正視辭彙的作用，泛起了強烈的「辭彙主義」的傾向。同時，在自然語言處置懲罰中，"理解"的界說也釀成一個首要的問題翻譯

由於理解（understanding）天然說話，需要關於外活著界的普遍知識以及應用操作這些常識的能力，自然說話認知，同時也被視為一個人工聰明完整（AI-complete）的問題。

^[1] 第一，傳統的基於句法-語義規則的理性主義方式遭到質疑，隨著語料庫建設和語料庫語言學的突起，大範圍真實文本的處理成為自然語言處置懲罰的首要戰略目標。

有瑕疵的或不規範的輸入[編纂]

例如語音處置時碰到外國口音或處所口音，或者在文本的處置中處置拼寫，語法或光學字元辨認（OCR）的毛病翻譯

說話行為與計劃[編纂]

句子經常並不只是字面上的意思；例如，「翻譯公司能把鹽遞過來嗎」，一個好的回覆該當是脫手把鹽遞過去；在大大都上下文情況中，「能」將是糟糕的回覆，雖說回覆「不」或「太遠了天成翻譯社拿不到」也是可以接受的。

• 句子「天成翻譯社們把香蕉給山公，因為(牠們)餓了」和「我們把香蕉給猴子，因為(它們)熟透了」有同樣的佈局。但是代詞「它們」在第一句中指的是「猴子」，在第二句中指的是「香蕉」。再者，假如一門課程去年沒開設，對於發問「這門課程客歲有多少學生沒通過？」回答「客歲沒開這門課」要比回覆「沒人沒通過」好。在書寫上，漢語也沒有詞與詞之間的邊界。若是不領會猴子和香蕉的屬性，無法辨別翻譯(英文的it沒有辨別，但在中文裡「牠」和「它」是有區分的，只是代詞在中文裡經常被省略，是以需區別屬性並且標示出來)

天然語言處理的主要範圍[編纂]

• 文本朗誦（Text to speech）/語音合成（Speech synthesis）
• 語音辨認（Speech recognition）
• 中文主動分詞（Chinese word segmentation）
• 詞性標註（Part-of-speech tagging）
• 句法分析（Parsing）
• 自然說話生成（英語：Natural_language_generation）（Natural language generation）
• 文天職類（Text categorization）
• 信息檢索（Information retrieval）
• 信息抽取（Information extraction）
• 文字校訂（Text-proofing）
• 問答系統（Question answering）

給一句人類語言的問定，決議其答案。

句法的恍惚性[編輯]

天然說話的文法每每是模稜兩可的，針對一個句子平常可能會解析（Parse）出多棵解析樹（Parse Tree），而我們必須要仰賴語意及前後文的資訊才能在其中選擇一棵最為合適的分解樹。 典型問題有特定謎底 (像是加拿大的首都叫什麼?)，但也斟酌些開放式問句(像是人生的意義是是甚麼?)

• 機器翻譯（Machine translation）

將某種人類說話主動翻譯至另一種說話

• 主動摘要（Automatic summarization）

產生一段文字的大意，平日用於供給已知領域的文章摘要，例如產生報紙上某篇文章之摘要

• 文字蘊涵（Textual entailment）

天然說話處置研究的難點[編纂]

單詞的界限界定[編輯]

在口語中，詞與詞之間通常是連貫的，而界定字詞邊界平常利用的設施是取用能讓給定的上下文最為通順且在文法上無誤的一種最佳組合。

詞義的消歧[編纂]

很多字詞不單只有一個意思，因而我們必需選出使句意最為通順的解釋。

當前自然語言處置懲罰研究的成長趨勢[編輯]

天然語言處置（英語：Natural Language Processing，簡稱NLP）是人工智慧和語言學領域的分支學科翻譯在這此範疇中切磋如何處置懲罰及運用天然語言；自然說話認知則是指讓電腦「懂」人類的說話。處置懲罰這些高度恍惚句子所採用消歧的方式平日應用到語料庫和馬可夫模型（Markov models）翻譯統計天然說話處置懲罰的手藝主要由同樣自人工智慧下與進修行為相幹的子領域：機械進修及資料採掘所演進而成。

統計天然說話處理應用了料到學、機率、統計的方式來解決上述，尤其是針對容易高度恍惚的長串句子，當套用實際文法進行闡發產生出成千上萬筆可能性時所激發之困難。

本文來自: https://zh.wikipedia.org/wiki/%E8%87%AA%E7%84%B6%E8%AF%AD%E8%A8%80%E5%A4%84%E7%90%86有關翻譯的問題歡迎諮詢天成翻譯社