机器学习可以用于自然语言理解

Question

这是基于我之前的question。我可以使用机器学习算法帮助我理解句子吗？

（我将使用我在上一个问题中使用的密切相关的示例）。例如，我希望我的算法/代码根据用户说的内容启动程序。例如，如果他说“打开程序”，那么算法应该这样做。但是，如果用户说“打开车”，显然计算机不应该打开程序。 （但是计算机怎么知道呢？）我确信有几百种不同的方式可以说“开始”或“打开程序”。我要问的是计算机如何区分“程序”和“汽车”？算法如何知道在第一句中，它必须启动程序，而不是在第二句中？ 算法有没有办法知道句子在说什么？

我可以使用无监督学习算法，也就是说，可以学习句子的内容吗？

由于

Answer 1

自然语言理解是一个非常棘手的问题，许多研究人员正在研究它。首先，基本的自然语言理解系统从规则开始。您手动记下将与输入匹配的规则，如果找到匹配，则触发相应的操作。因此，您可以限制输入的格式并提出规则，同时尽可能保持规则。例如，不是匹配确切的语句“打开程序”，而是可以有一个规则，例如：除非在命令中出现“程序”一词，不要启动程序，或者忽略每个句子，除非它包含“程序”。然后，结合您的规则来开发更复杂的“理解”。如何编写/表示规则是另一个棘手的问题。您可以从正则表达式开始。

关于表达“开始”某事的各种表达方式，您将查看“start”的同义词，例如： “开始”。这可以从同义词库获得，这些任务的常用资源是WordNet

您需要弄清楚您确切想要从句子中提取哪些信息。大多数自然语言技术都是特定于任务的，没有通用的一刀切的自然语言理解工具。

Answer 2

没有足够的信息输入，没有机器学习算法可以学习。如果有关于汽车与程序的足够信息，则学习算法可以区分它们。机器学习组具有相似属性的事物，如果事物具有不同的属性，则将它们分成不同的组。