1. 自然语言处理（NLP）的定义与误区
- 定义: 自然语言处理主要集中于文本的处理，旨在使计算机能够理解和生成自然语言文本。
- 常见误区: 初学者容易将自然语言处理与语音识别混淆。
- 语音识别: 将语音转成文字，这不属于自然语言处理范畴，而是语音处理的领域。
- 文字转语音: 这也是语音处理的范畴。
- 自然语言处理的核心任务:
是在已有的文字基础上进行理解和生成。
2. 自然语言处理的应用场景
- 文本处理技术:
- 关键词抽取: 从文本中提取关键性的词汇。
- 摘要抽取: 生成文本的简短总结。
- 文本匹配: 比较和匹配不同文本之间的相似度。
- 文本向量化: 将文本转换为向量形式，以便进行计算和分析。
推荐系统:- 特别是在图文类推荐系统中，自然语言处理技术用于提取各种标签作为文本特征，以提高推荐的精准度。
聊天机器人和语言模型:- 如聊天机器人（例如ChatGPT）利用自然语言处理技术来理解用户输入并生成响应。
3. NLP与计算机视觉（CV）的对比
- 成熟度差异:
- 计算机视觉（CV）已经发展得非常成熟，工具和API众多，导致对工程师的需求相对减少。
- 自然语言处理（NLP）则不如CV成熟，仍在快速发展中，因此对工程师的需求量更大。
- 任务通用性差异:
- 计算机视觉: 任务通常较为通用，如目标识别和检测，容易被复用和共享。
- 自然语言处理: 任务通常需要高度定制化和个性化，因为不同组织的语义理解和需求都不相同，导致重复开发的可能性较高。
