什么是自然语言处理（NLP）？

公司会使用自然语言处理来完成多项自动化任务，例如：

• 处理、分析和存档大型文档。
• 分析客户反馈或呼叫中心录音
• 运行聊天机器人实现自动化客户服务
• 回答“人员-事件-时间-地点”问题
• 分类和提取文本

企业使用自然语言处理（NLP）软件和工具高效和准确地简化、自动化和梳理运营。下面，我们给出一些使用案例示例。

敏感数据消减

保险、法律和医疗保健领域的企业对大量敏感文档（如病历、金融数据和私人数据）进行处理、排序和检索。公司使用 NLP 技术删节个人身份信息并保护敏感数据，而非通过手动审核。例如，Chisel AI 通过 Amazon Comprehend 帮助保险公司从非结构化文档中提取保单编号、到期日期和其他个人客户属性。

客户参与

NLP 技术使聊天机器人和语音机器人在与客户交谈时更像人类。企业使用聊天机器人扩展客户服务功能和质量，同时将运营成本降至最低。PubNub 构建聊天机器人软件，使用 Amazon Comprehend 向其全球客户推出本地化聊天功能。T-Mobile 使用 NLP 识别客户短信中的特定关键字并提供个性化推荐。俄克拉荷马州立大学使用机器学习技术部署问答聊天机器人解决方案，解决学生问题。

业务分析

营销人员使用 Amazon Comprehend 和 Amazon Lex 等 NLP 工具了解客户对公司产品或服务的感受。通过扫描特定的短语，他们可以衡量客户书面反馈中的情绪和情感。例如，Success KPI 提供自然语言处理解决方案，帮助企业专注于情绪分析中的目标领域，同时帮助联系中心从呼叫分析中获得切实可行的见解。

自然语言处理（NLP）技术或 NLP 任务将人类文本或语音分解为计算机程序可以轻松理解的较小部分。以下提供 NLP 中常见的文本处理和分析功能。

词性标注

在此流程中，NLP 软件根据上下文用法（例如名词、动词、形容词或副词）标记句子中的单个字词。其帮助计算机理解字词如何相互形成有含义的关系。

词义消歧

一些字词用于不同场景时可能具有不同的含义。例如，字词“bat”在以下句子中的含义不同：

• bat（蝙蝠）是一种夜间活动的生物。
• 棒球运动员使用 bat（棒球拍）击球。

借助词义消歧，NLP 软件通过训练语言模型或参考字典定义来识别字词的预期含义。

语音识别

语音识别将语音数据转换为文本。该流程涉及将字词分解为较小的部分，并且理解日常对话中的口音、辱骂、语调和语法使用不当。语音识别的一个关键应用是转录，可使用 Amazon Transcribe 等语音转文本服务完成转录。

机器翻译

机器翻译软件使用自然语言处理将文本或语音从一种语言转换为另一种语言，同时保留上下文的准确性。支持机器翻译的 AWS 服务是 Amazon Translate。

命名实体识别

此流程可识别人物、地点、活动、公司等的唯一名称。NLP 软件使用命名实体识别确定句子中不同实体之间的关系。

考虑如下示例：“Jane 前往法国度假，她沉迷于品尝当地的美食。”

NLP 软件将挑选“Jane”和“法国”作为句子中的特殊实体。这可以通过共同引用解决方案进一步扩展，确定是否使用不同的字词描述同一个实体。在以上示例中，“Jane”和“她”指向同一个人。

情绪分析

情绪分析是一种用于解释文本数据传达的情感的人工智能方法。NLP 软件会分析文本中是否存在表现不满、快乐、怀疑、遗憾和其他隐藏情感的字词或短语。

一般来说，NLP 实现首先从来源（例如云数据仓库、调查、电子邮件或内部业务流程应用程序）收集和准备非结构化文本或语音数据。

预处理

NLP 软件使用预处理技术（例如分词、词干、词形还原和停用词删除）为各种应用程序准备数据。

下面介绍这些技术：

• 分词是将句子分解为单个单元的字词或短语。
• 词干和词形还原将字词简化为词根形式。例如，这些流程将“starting（正在开始）”转换为“start（开始）”。
• 删除停用词可确保删除对句子没有重要含义的字词，例如“为”和“与”。

训练

研究人员使用预处理的数据和机器学习训练 NLP 模型，以便根据提供的文本信息执行特定应用程序。训练 NLP 算法需要向软件提供大量数据样本，以提高算法的准确性。

部署和推理

然后，人工智能专家将部署模型或将其集成到现有的生产环境中。NLP 模型接收输入并预测其为特定使用案例设计的输出。可以在实时数据上运行 NLP 应用程序，并获得所需的输出。