什么是NLP自然语言处理
NLP技术诞生于1950年代，其分支也枝繁叶茂。有基于语法和规则的方法，也有基于统计学习的方法，从 21世纪初以来蓬勃发展的深度学习、深度强化学习和迁移学习的方法在 NLP 领域也被广泛地使用。微观层面，在学术界一般将 NLP 划分为四个层级：即词法（Lexicon）、句法（Syntax）、语义（Semantics）和语用（Pragmatics）。面向普通大众，也通常使用偏向应用层面的直接的划分方法，即字词级、 句段级和篇章级。
NLP技术的分类
NLP技术在宏观层面通常又划分为划分为自然语言理解（NLU）和自然语言生成（NLG）两部分。通俗的讲，自然语言理解就是我们常说的“阅读”，即让计算机读懂语言文字的技术。而自然语言生成则是“写作”，即让计算机能够像人类一样写句子和文章的技术。除此之外，光学字符识别（OCR）和语音技术（包括识别与合成），也会在某些场景下被归为自然语言处理的一部分。
NLP 是实现认知智能的关键
人工智能（AI）通常被分为三大块：计算智能，感知智能和认知智能。计算智能方面，以 AlphaGo 打败了人类围棋最顶尖选手李世石和柯洁为标志，已将人类远远抛在后面。感知智能则以语音和图像技术为代表，对应于人类的视觉和听觉，经过近十几年深度学习、迁移学习等技术的发展，也在非常多领域超越了人类。人工智能在近些年不断的在计算智能和感知智能上发展，一方面是技术迅猛发展的原因，另外一方面也是人类并不擅长这两种。然而，在认知智能上，目前还有待技术层面的进一步突破，而这里面的关键就是NLP技术。
百香果nlp认为，认知智能是以语言为基础，实现推理、思考、决策和想象。语言，是人类区别于动物的标志性能力，而让机器拥有语言能力的关键技术就是自然语言处理技术。当前计算机在认知智能上还处于非常初级的阶段，特别是在中文上。今年遍地开花的各类智能音箱，随便与之对话几句便能够感受到强烈的“智障”气息。因此，为了达到更强的认知智能，急需NLP技术的进一步发展。当前学术界的热点也在往 NLP 领域迁徙，投向NLP方面的资本也在增加。
自然语言处理是计算机以一种聪明而有用的方式分析，理解和从人类语言中获取意义的一种方式。通过利用NLP，开发者可以组织和构建知识来执行自动摘要，翻译，命名实体识别，关系提取，情感分析，语音识别和话题分割等任务。
NLP的常见领域：分词，词性标注，命名实体识别，句法分析，语义识别，垃圾邮件识别，拼写纠错，词义消歧，中文输入法，语音识别，音字转换，机器翻译，自动问答……
NLP处理的主要范畴
NLP的应用无处不在，因为人们用语言进行大部分沟通：网络搜索，广告，电子邮件，客户服务，语言翻译，发布学报告等等。NLP应用背后有大量的基础任务和机器学习模型。
文本朗读（Text to speech）/语音合成（Speech synthesis）语音识别（Speech recognition）中文自动分词（Chinese word segmentation）词性标注（Part-of-speech tagging）句法分析（Parsing） 自然语言生成（Natural language generation）文本分类（Text categorization）信息检索（Information retrieval）信息抽取（Information extraction）文字校对（Text-proofing）问答系统（Question answering）机器翻译（Machine translation）自动摘要（Automatic summarization）文字蕴涵（Textual entailment）
NLP的目前发展现状
基本解决，如：词性标注、命名实体识别、垃圾邮件识别。
长足进展，如：情感分析、共指消解、词义消歧、句法分析、机器翻译、信息抽取。
充满挑战，如：自动问答、复述、文摘提取、会话机器人等。 近几年，BERT和Transformer的出现和运用推动NLP 迎来了历史上的黄金时代。机器翻译、机器阅读、人机对话、机器写作等领域进步喜人。与此同时， 在工业界的落地与应用也呈现百花齐放之态，在搜索、推荐、信息流、互联网金融、社交网络等领域都有其足迹。