一、自然語言處理是什么？

自然語言處理說白了，就是讓機器去幫助我們完成一些語言層面的事情，典型的比如：情感分析、文本摘要、自動問答等等。我們?nèi)粘鼍爸斜容^常見到的類似Siri、微軟小冰之類的，這些的基礎(chǔ)都是自然語言處理，另外還有一些語音處理，這就暫且不表了?？傊?，你看到的機器與人利用語言交互，用機器模擬人腦閱讀，對話，評論等等這些的基礎(chǔ)都是自然語言處理的范疇之內(nèi)。

二、自然語言處理怎么學(xué)？

自然語言處理的實際入門步驟來說，假如單單從應(yīng)用來說，我覺得還是直接先從簡單的應(yīng)用搞起更好一點，上來就是理論的話可能對一些人還是比較枯燥，我認(rèn)為一個好的過程是：實踐-理論-實踐，先由實踐搞起，加深興趣，然后理論研究，深化理解，后繼續(xù)實踐，知行合一。閑言少敘，下面說下自己的入門步驟：

1、分詞

2、關(guān)鍵詞提取

3、詞向量

4、文本分類

5、自動問答

三、自然語言處理的深入

談到自然語言處理的深入，這個可以做的就比較多了，上面列舉的各個方面都與比較大的優(yōu)化空間。但總體而言，的幾個問題在于分詞、詞向量的轉(zhuǎn)化以及文本特征的提取，這也是一定程序上困擾我們繼續(xù)提高的幾大阻礙。拿分詞來說，無論是基于詞典和算法的分詞還是目前基于深度學(xué)習(xí)的分詞方式，都只能說一定程度上進行分詞實現(xiàn)，想要達到人腦的分詞效果，實際上還是前路漫漫；詞向量的轉(zhuǎn)化在一定程序上也依賴于大量的語料，而我們也不可能在訓(xùn)練模型時囊括所有的詞語，所有的語境，所有的文本，這些也都是不現(xiàn)實的，只能說時優(yōu)化算法或者選擇一種更好的方式；文本特征的提取也是一個我們在后期進行學(xué)習(xí)過程中一個繞不過去的坎?？偠灾?，自然語言處理說簡單也簡單，說難也難，就看你想要達到什么樣的高度。