大数据文摘作品，转载请联系

　　编译团队|寒阳，范玥灿，毛丽，曹翔

　　现在是机器思考，学习并创造的世界。此外，他们做这些事情的能力会迅速增加，直到在一个明显的未来，他们能处理的问题范围将与人类思想应用的范围一起扩大。

　　——赫伯特·西蒙， 1957

　　2017年1月14日Texas Data Day的大会上，Deep Grammar的联合创始人、CEO、人工智能专家和机器学习专家Jonathan Mugan做了题为《从自然语言处理到人工智能（Deep Learning for Natural Language Processing》的演讲。

　　Jonathan Mugan专注人工智能、机器学习与自然语言处理的结合。本次演讲中，他重点阐述了如何从自然语言处理到人工智能，以及两条具体路径：符号路线和亚符号路线。

　　本文基于本次演讲的64页ppt整理汉化完成。点击右上角进入大数据文摘后台，回复“自然语言处理”获取完整版演讲ppt。

　　人工智能已经变得更聪明。尤其是深度学习，但是，计算机仍不能智能地读取或交谈。

　　要想了解语言，计算机需要了解世界。他们需要回答类似于下面这样的问题——

　　为什么你可以用绳拉马车却不推它？

　　为什么体操运动员用一条腿竞争是不寻常的？

　　为什么只有外面下雨?

　　如果有一本书在桌上，你推桌子，会发生什么?

　　如果鲍勃去垃圾场，那么他会在机场吗？

　　让我们以一种基于感觉和行动的方式理解语言——

　　当某人说“鸡”的时候，我们直接把它和我们对于鸡的经验相匹配，我们理解彼此因为我们有相同的经历，这就是电脑需要的一种理解能力。

　　两种理解含义的路径:

　　无意义的标记

　　词袋（Bags-of-words）表述：

　　将词语视为任意符号，并查看其频率。“狗 咬 人”和“人 咬 狗”完全一致。考虑一个有50,000个单词的词汇表：

　　“aardvark” 的位置是 0

　　“ate” 的位置是 2

　　“zoo” 的位置是 49,999

　　一个词袋可以是一个有50,000维度的向量。

　　“The aardvark ate the zoo.”= [1,0,1, ..., 0, 1]

　　我们可以做的更好一点，通过数出这些词数出现的频率。

　　tf: 词频（term frequency），单词出现的频率。

　　“The aardvark ate the aardvark by the zoo.” = [2,0,1, ..., 0, 1]

　　提升非常见词汇：

　　认为非常见词汇比常见词汇更能表征文本，我们可以得到更好的结果。将每个条目乘以一个表示它在语料库中有多常见的度量。

　　idf: 逆文本频率指数

　　idf( 术语, 文本) = log(文本数量 / 包含术语的文本的数量)

　　10 文本， 只有一个 有 “aardvark” ， 5 个有 “zoo” ， 5个 有 “ate”

　　tf-idf: tf * idf

　　“The aardvark ate the aardvark by the zoo.” =[4.6,0,0.7, ..., 0, 0.7]

　　称为向量空间模型。你可以将这些向量放入任何分类器，或者基于类似的向量找到相似的文档。

　　主题模型 (LDA)：

　　潜在狄利克雷分布（Latent Dirichlet Allocation）

　　你选择主题的数量 ，每个主题是一个关于单词的分布，每个文档是一个关于主题的分布，在Python主题模型 gensim中很容易操作（https://radimrehurek.com/gensim/models/ldamodel.html ）

　　通过pyLDAvis在推特上应用LDA：

　　情感分析:——作者对文本是什么样的感受：

　　人工设置表达法

　　我们通过手动指定符号之间的关系来告诉计算机事物的意思。

　　1.使用预定的关系来储存意思

　　2.图示多种书写某种同意东西的方法

　　通过相对较少表述数量，我们可以对机器应该做什么进行编码。

　　单词网络（WordNet）：

　　框架网络：

　　概念网络：

　　另一个知识本体：

　　建议上的合并本体：

　　意象图式（Image Schemas）：

　　意象图式是人类关于跨共同文化经验的表示

　　——费尔德曼, 2006

　　人类使用意象图式来理解空间布置和空间运动

　　——曼德勒, 2004

　　意象图式的例子包括路径，先知，阻塞和吸引力

　　——约翰逊, 1987

　　抽象概念例如浪漫关系和论证被表示为这种经验的隐喻

　　——莱考夫和约翰逊, 1980

　　语义网-链接数据：

　　世界模型