Atitit 自然语言处理（NLP）的应用 与 搜索引擎 目录 1.1. 搜索引擎并不是自然语言处理（NLP）的唯一应用。 2 1.2. NLP的应用 2 1.3. 社交网站信息流， 2 1.4.

Atitit 自然语言处理（NLP）的应用 与 搜索引擎

 

目录

1.1. 搜索引擎并不是自然语言处理（NLP）的唯一应用。 2

1.2. NLP的应用 2

1.3. 社交网站信息流， 2

1.4. 语音助手，诸如苹果 Siri。 3

1.5. 垃圾邮件程序，比如 Google 的垃圾邮件过滤程序 3

1.6. 机器翻译 3

1.7. Ocr 3

1.8. automated chat bots, 3

1.9. article summarizers, 3

1.10. multi-lingual translation 3

1.11. opinion identification from data 3

1.12. 文本相似（BM25） 3

2. Nlp常见功能 3

2.1. 词频统计 3

2.2. 分词 4

2.3. 同义词 反义词 4

2.4. NLTK词干提取单词词干提取就是从单词中去除词缀并返回词根。 4

2.5. 从文本中理解和提取重要信息 4

2.6. ，其主要任务包括语音识别和生成 4

2.7. 、文本分析、 4

2.8. 情感分析、机器翻译 4

2.9. 词云、情感分析和LDA主题建模。 4

2.10. 文本分类（Naive Bayes） 4

2.11. 转换成拼音（Trie树实现的最大匹配） 4

2.12. 繁体转简体（Trie树实现的最大匹配） 4

2.13. 提取文本关键词（TextRank算法） 5

2.14. 提取文本摘要（TextRank算法） 5

2.15. Tokenization（分割成句子） 5

2.16. text classification, 5

2.17. entity detection, 5

2.18. machine translation, 5

2.19. question answering, 5

2.20. concept identification. 5

3. 现在有许多开源的自然语言处理（NLP）库。比如： 5

4. Ref 6

 

1. 搜索引擎并不是自然语言处理（NLP）的唯一应用。

有很多公司热衷收集所有这些数据，以便更好地了解他们的用户和用户对产品的热情，并对他们的产品或者服务进行合适的调整。

这些海量数据可以揭示很多现象，打个比方说，巴西人对产品 A 感到满意，而美国人却对产品 B 更感兴趣。通过NLP，这类的信息可以即时获得（即实时结果）。例如，搜索引擎正是一种 NLP，可以在正确的时间给合适的人提供适当的结果。

但是搜索引擎并不是自然语言处理（NLP）的唯一应用。还有更好更加精彩的应

1. NLP的应用

以下都是自然语言处理（NLP）的一些成功应用：

• 搜索引擎，比如谷歌，雅虎等等。谷歌等搜索引擎会通过NLP了解到你是一个科技发烧友，所以它会返回科技相关的结果。
  社交网站信息流，
• 比如 Facebook 的信息流。新闻馈送算法通过自然语言处理了解到你的兴趣，并向你展示相关的广告以及消息，而不是一些无关的信息。
  语音助手，诸如苹果 Siri。
  1. 垃圾邮件程序，比如 Google 的垃圾邮件过滤程序 
• ，这不仅仅是通常会用到的普通的垃圾邮件过滤，现在，垃圾邮件过滤器会对电子邮件的内容进行分析，看看该邮件是否是垃圾邮件。

 

 

1. 机器翻译
2. Ocr
3. automated chat bots,
4. article summarizers,
5. multi-lingual translation
6. opinion identification from data
7. 文本相似（BM25）

 

1. Nlp常见功能 词频统计
2. 分词

 

正如所料，Mr. 是一个词，也确实被 NLTK 当做一个词。NLTK使用 nltk.tokenize.punkt module 中的 PunktSentenceTokenizer 进行文本分词。这个标记器经过了良好的训练，可以对多种语言进行分词

 

1. 同义词 反义词
2. NLTK词干提取单词词干提取就是从单词中去除词缀并返回词根。

（比方说 working 的词干是 work。）搜索引擎在索引页面的时候使用这种技术，所以很多人通过同一个单词的不同形式进行搜索，返回的都是相同的，有关这个词干的页面。

词干提取的算法有很多，但最常用的算法是 Porter 提取算法。NLTK 有一个 PorterStemmer 类，使用的就是 Porter 提取算法。

 

1. 从文本中理解和提取重要信息
2. ，其主要任务包括语音识别和生成
3. 、文本分析、
4. 情感分析、机器翻译
5. 词云、情感分析和LDA主题建模。
6. 文本分类（Naive Bayes）
7. 转换成拼音（Trie树实现的最大匹配）
8. 繁体转简体（Trie树实现的最大匹配）
9. 提取文本关键词（TextRank算法）
10. 提取文本摘要（TextRank算法）
11. Tokenization（分割成句子）

 

NLP 的任务包括

1. text classification,
2. entity detection,
3. machine translation,
4. question answering,
5. concept identification.

 

 

1. 现在有许多开源的自然语言处理（NLP）库。比如：

• Natural language toolkit (NLTK)
• Apache OpenNLP

NLTK 也很容易入门，实际上，它将是你用到的最简单的自然语言处理（NLP）库

另外， jieba分词提供的基于TextRank的关键词提取工具。 snownlp也实现了关键词提取和摘要生成。

1. Ref

(9+条消息)Python NLTK 自然语言处理入门与例程 - hzp666的博客 - CSDN博客.html