阿里云 云栖社区

自然语言智能（NLP）

自然语言智能研究实现人与计算机之间用语言进行有效通信。它是融合语言学、心理学、计算机科学、数学、统计学于一体的科学。它涉及到自然语言和形式化语言的分析、抽取、理解、转换和产生等多个课题。

人工智能可以分为几个阶段

• 计算智能，指依靠计算强大的算力和海量数据的存储能力，可以在部分领域超越人类的表现。代表例子就是谷歌的alphago，凭借谷歌TPU的强大算力以及结合类似蒙特卡洛树搜索、强化学习等算法，能够在围棋的巨大搜索空间中计算出好的决策路径，战胜人类，这是计算智能；
• 感知智能，是指从无结构化数据中识别出重要的要素。比如给一个query，分析出包含的人民、地名、机构名等；
• 认知智能，是在感知之上，能够理解其中要素的含义以及进行一些推理。比如“谢霆锋是谁的儿子 谁是谢霆锋的儿子”两句话。词和实体都差不多，但语义差别很多。这是认知智能要解决的问题；
• 创造智能，比如计算机指能够理解语义的基础上，创造出符合常识、语义、逻辑的句子。比如自动写出行云流水的小说、创造娓娓动听的音乐 能够无违和跟人自然聊天等

自然语言处理研究覆盖了感知智能，认知智能，创造智能这样的学科，是实现完整人工智能的必要技术。

自然语言智能发展趋势

1. 深度语言模型突破式发展, 引领重要自然语言技术取得进展；
2. 公有云NLP技术服务从通用功能走向定制化服务；
3. 自然语言技术逐步与行业/场景紧密结合, 产生更大价值；

阿里集团NLP平台能力

从下到上分为了NLP数据、NLP基础能力、NLP应用技术和上层应用。

NLP数据是很多算法的原料，累了包括语言词典、实体知识词典、句法词典、情感分析等词典等。阿里NLP基础技术包含了词法分析、句法分析、文本分析、深度模型。在这之上，是NLP垂直的技术 包括问答 对话技术 反垃圾 地址解析等。这些技术的组合，就支持了很多应用。其中搜索是NLP能力非常密集的一个应用。

开放搜索中NLP应用和典型技术

（其中橙色背景的表示是跟NLP相关）

• 基础设施包含了阿里云基础产品，以及基于阿里生态搜索场景打磨出的多个搜索自研系统，比如HA3、RTP、Dii等；
• 管控基础平台，保证我们离线数据采集、管理、训练等；
• 算法模块，我们分为两块，一块是查询分析相关，包含多粒度分词、实体识别、纠错改写等；另一个块是相关性和排序相关，包括文本相关性、CTR CVR预估、LTR 等；

开放搜索的目标是要打造一站式、开箱即用的智能搜索服务，所以我们会把这些算法能力，以行业模板、 场景化、周边服务的形式开放给用户。

开放搜索NLP分析链路

搜索的发起，往往是一个搜索关键词触发，比如用户搜索“ aj1北卡兰新款球鞋”

跨领域分词

我们在开放搜索开放了一系列的领域的分词模型

分词挑战

1. 各个领域不断新增的未登录词或者叫新词，往往会大大降低分词效果；

2. 为新用户定制分词模型，从标注到训练的整个过程，成本都比较高；

   解决思路

3. 结合统计特征，比如互信息、左右上等构建一个成词模型，可以基于用户数据快速构建一份领�