NLP VS NLU

NLP（Natural Language Processing ）自然语言处理：是计算机科学，人工智能和语言学的交叉领域。目标是让计算机处理或“理解”自然语言，以执行语言翻译和问题回答等任务。
NLU  (Natural Language Understanding ) 自然语言理解：将人的语言形式转化为机器可理解的、结构化的、完整的语义表示，通俗来讲就是让计算机能够理解和生成人类语言。

NLG (Natural Language Generation) 自然语言生成：旨在让机器根据确定的结构化数据、文本、音视频等生成人类可以理解的自然语言形式的文本。

NLP

如上图：NLP 由两个主要的技术领域构成：自然语言理解（NLU)和自然语言生成(NLG)。主要包含的技术的技术领域如下图：

NLU 旨在让机器理解自然语言形式的文本内容。从 NLU 处理的文本单元来讲，可以分为词(term)、句子(sentence)、文档(document)三种不同的类型

NLG旨在让机器根据确定的结构化数据、文本、音视频等生成人类可以理解的自然语言形式的文本。根据数据源的类型，NLG可以分为三类：

1. Text to text NLG，主要是对输入的自然语言文本进行进一步的处理和加工；
2. Data to text NLG，主要是根据输入的结构化数据生成易读易理解的自然语言文本；
3. Vision to text NLG，主要是给定一张图片或一段视频，生成可以准确描述图片或视频（其实是连续的图片序列）语义信息的自然语言文本，同时 text to vision 的自动生成近几年也有一些有趣的进展。

语议理解 

自然语言理解的结果，就是要获得一个语义表示（semantic representation），语义表示主要有三种方式：

1. 分布语义（Distributional semantics）：就是把语义表示成一个向量，它的理论基础来自于Harris的分布假设：语义相似的词出现在相似的语境中。具体的计算方法有多种，比如LSA（Latent Semantic Analysis）、LDA（Latent Dirichlet Allocation）及各种神经网络模型（如LSTM）等
2. 框架语义（Frame semantics）：把语义用一个frame表示出来 
3.  模型论语义（Model-theoretic semantics）：把自然语言映射成逻辑表达式（logic form）

 目前采用的语义表示是frame semantics表示的一种变形：采用领域（domain）、意图（intent）和属性槽（slots）来表示语义结果。 如下图：

• 
• 领域：是指同一类型的数据或者资源，以及围绕这些数据或资源提供的服务，比如“餐厅”，“酒店”，“飞机票”、“火车票”、“电话黄页”等；
• 意图：是指对于领域数据的操作，一般以动宾短语来命名，比如飞机票领域中，有“购票”、“退票”等意图；
• 属性槽：用来存放领域的属性，比如飞机票领域有“时间”“出发地”“目的地”等

chatbot 架构示例