谈一谈关于NLP的落地场景和商业价值_nlp的价值在哪

作者：weixin_40725706 | 2024-06-03 08:38:03

踩

nlp的价值在哪

欢迎大家关注微信公众号：baihuaML，白话机器学习。

在这里，我们一起分享AI的故事。

您可以在后台留言，关于机器学习、深度学习的问题，我们会选择其中的优质问题进行回答！

本期的问题：

你好，请问下nlp在现在的市场主要应用在哪些方面

什么是NLP？

答：利用机器学习技术来分析自然语言都属于NLP技术。（弱弱的说一句，NLP应该是语音、图像、文本这三种数据中，处理起来最难的数据！勿喷！）

什么是自然语言？

答：文本数据就是自然语言。语音数据并不是直接的自然语言，需要在经过语音识别之后，形成文本数据才能算作自然语言。

NLP的价值体现在什么地方？

答：大家想一想，我们是如何同这个世界进行交互的？比如：与人交流、浏览新闻，收集到的数据，我们需要进一步的加工获得语义上的信息，进而指导我们后续的行为。而NLP的价值，就体现在这个过程中：

如何更好的同机器沟通？
如何更快的理解我们收集到的数据？
如何同不同语言的人进行无障碍沟通？
如何发现一些杂乱无章内容中隐含的规律？
等等

实际上，自然语言充斥着我们社会中方方面面的。机器智能？没有算法的机器，是不能算作智能的。而智能则体现在理解能力上。NLP赋予机器智能，也就是带给机器理解语言的能力，机器就可以完成很多人能够操作的事情，这些都是NLP的落地场景和商业价值体现。

说了这么多的废话，那具体的落地场景有哪些呢？

聊天机器人/问答机器人/任务机器人

聊天机器人，之前火过一段时间，比如：人人网的“小黄鸡”、Siri、微软小冰等。不过随着时间的推移，热度消了很多，机器毕竟是机器，且智能化水平也没有那么高。越来越多的用户不会把时间浪费到跟机器人的互动上，因为根本不解决实际问题。

问答机器人，问答机器人不等于客服机器人，而是问答机器人>客服机器人，但是百度里搜问答机器人，得到的答案都是客服厂商，且好多人也同样认为问答模型目前在商业中的应用只是智能客服。但问答机器人的核心价值是，通过识别用户的文本含义，机器人回答对应问题。那这样看来，可不可以让机器人做行政助手、HR助手、IT运维助手、景区助手、物业管家等，这些场景下，都是用户通过一句话即可及时的得到自己想要得到的答案，用户体验当然会有提高。

任务机器人，任务机器人，也叫多轮对话机器人。那还是先提出一个概念，叫CUI（Conversation User Interface），反观人机交互历史，最早是CUI（Command User Interface），后面演化成GUI（Graphical User Interface），未来肯定必将是CUI了，动动嘴就形成了指令，计算机识别后就完成了任务，何乐而不为。所以未来的很多业务场景，完全是由人机的几轮交互，就完成了全部的订单流程。比如，订火车票、机票、电影票、银行卡/信用卡业务办理等，用户目前通过网站或APP等前端可以自助完成的操作均可以替代。任务机器人已经渗透到了商旅和金融，当然未来还会渗透到个多的行业，总结来看，任务机器人的商业价值是满分，当然也需要技术的不断升级。

——以上内容摘自《nlp如何进行商业化应用？》

2. 机器翻译

如何能够实现更好的翻译，一直都是一个难题。现在有google翻译、百度翻译、有道翻译等等很多国内外NLP的团队都在做。它的重要性不言而喻。

垂直场景的需求-翻译机：从出国旅行，到国际文化交流，再到对外贸易，语言障碍是一个天然痛点，目前很多翻译类的产品将机器翻译和OCR技术以及语音识别技术进行结合，可以实时的通过摄像头来翻译外文指示牌、菜单、说明书等，也可以结合语音技术进行对话翻译，从而实现不同语种的无障碍交流。
语音同传技术：同声传译广泛应用于国际会议等多语言交流的场景，但是人工同传受限于记忆、听说速度、费用偏高等因素门槛较高，搜狗于去年推出的机器同传技术逐步开始在会议场景出现，演讲者的语音实时转成文本，并且进行同步翻译，低延迟显示翻译结果，希望能够取代人工同传，实现不同语言人们低成本的有效交流；
跨语言检索：中文资讯只占世界信息的10%，而跨语言检索需求逐年增加，搜狗于今年初推出的海外搜索将机器翻译和信息检索技术进行了结合，不论用户输入中文还是英文，系统都会从海量优质的英文网页中选出用户想要的搜索结果，并应用国际领先的机器翻译自动将其进行翻译，为用户提供英文原文、中文译文、中英双语三个页面的搜索结果；
AI助力翻译行业升级：机器翻译和传统翻译行业相结合，利用机器翻译提升传统翻译行业的效率，提升商业价值。

——以上内容摘自《机器翻译有哪些商业化的应用场景？》

3. 搜索引擎

NLP 是搜索引擎的技术之本

搜索引擎最基本的模式是自动化地聚合足够多的「内容」，对之进行解析、处理和组织，响应用户的搜索请求找到对应结果返回。每一个环节，都需要用到自然语言处理。

如何对网页内容进行核心知识抽取？比如：关键词、主题、自动文本摘要等
如何对用户输入的句子进行分词
如何从用户输入的信息中，找到用户的真实意图
如何从用户的浏览历史中，对用户行为继续分析，挖掘用户的真实意图？
如何计算两个不同页面之间的相似度？文本相似性
等等

至于商业价值，看看百度就知道它的商业价值了。。

如果你不了解搜索引擎，可以看一下：KnowingAI知智：搜索引擎是如何工作的？| 知智一分钟

4. 舆情分析、情感分析

我们首先要明确一个舆情的概念，即表示的是公众态度和意见，里面主要涉及的是公众对社会生活各个方面的问题，尤其是一些热点问题的公开意见或者情绪部分。在言论自由的今天，互联网上充斥着各种各样的信息，有各种各样咨询、不同人的观点、海量的评论等。有了这些信息，我们能干什么事？作为普通大众中的一员，最好不要搞事情！舆情这东西，不是我等小虾米可以随便染指的。

但是，我们可以做一些其他的，政治不敏感的事情。比如：

情感分析，可以用来分析用户对一些产品的喜好
热搜内容/热门话题，可以用在今日头条这样的新闻类软件中
观点抽取，可以帮助在分析某些问题的时候，提供更多的可参考的资料。

总之，从用户的角度分析，帮助我们对自己产品的监管。我们可以从许多消费者的评论知道，消费者最渴望我们提升哪一点，是提升产品，还是提升服务，还是加大促销力度。我们也可以知道，我们的竞品，哪一点是最薄弱的，是最为消费者诟病的。这一些情报，都是我们立足市场，做大规模的情报。

对于用户的评论，我们可以在第一时间收到，并且可以在统一平台一健回复消费者，无需在众多的平台切换帐号。这将大大提升我们处理问题的时效性，第一时间收集用户对我们品牌的反馈并进行回复，从而实现商机的挖掘。对于其中的任何一个差评，或有负面情感倾向的评论进行第一时间回复。通过评论信息，我们可以知道消费者对我们产品，物流，售前还是售后等哪个纬度不满，还是对我们的市场营销策略有疑问，我们在收集这些情报以后，将可以更好地衡量或量化我们做出的每一个决策，从而提升我们的服务质量。

商业价值？产品大卖，用户口碑！这些都是符合我们利益的商业价值！

还有，就是公关危机！比如：人民网的舆情监测室根据突发事件的舆情生成和发展规律，提出了“黄金4小时媒体”之说，即在事发四小时内，利用微博、微信、BBS论坛、QQ群等新媒体传播平台，及时有效地发布信息，利用这些“黄金4小时媒体”进行危机公关。

5. 主题抽取、关键词抽取

关键词、主题能够帮助用户更快地认识到海量信息中的重点！挖掘用户的行为习惯和喜好，就能够更加精准的进行内容推荐、进行广告投放！！

广告====转化率=====就是money。

6. 阅读理解、文本分析与挖掘

计算机在结果逻辑处理问题时，可谓是得心应手，经验老道。但是在理解能力上，却一直都难以超越人类！提高机器的阅读理解能够，能够做什么？