图灵汇官网

自然语言处理（NLP）是一门专注于人与计算机之间语言交流的学科。其主要目标是克服人机对话中的各种障碍，使用户能够用自己的语言与计算机进行互动。最近，清华大学和中国工程院知识智能联合实验室发布了《2018自然语言处理研究报告》。这份报告全面介绍了NLP的概念、发展历程、关键技术、人才储备、应用情况和发展趋势，涵盖了该领域的现状和未来前景。

报告指出，自然语言处理技术已经在“知识图谱”、“机器翻译”、“聊天机器人”、“搜索引擎”、“推荐系统”等多个领域得到了广泛应用。此外，通过对微博数据的调研，报告预测未来自然语言处理技术将在“文本理解和推理”、“对话机器人”、“NLP+行业”、“学习模式”、“文本情感分析”等方面形成新的发展趋势。

“文本理解和推理”代表了自然语言处理技术从表面分析向深层次理解的转变。目前，谷歌等公司已经推出了以阅读理解为基础的平台，深入探索自然语言理解。“对话机器人”需要自然语言处理技术的应用更加实用化和场景化。例如，随着自然语言处理技术的进步，语音助手已经从“能听到”升级为“能理解”。未来，对话机器人将适应更多应用场景。

“NLP+行业”是指自然语言处理技术与医疗、金融、教育、司法等专业领域的深度融合。“学习模式”则是指先验语言知识与深度学习的结合，随着技术进步，人工提供的知识在深度学习中的比例将会大幅下降。

“文本情感分析”是指将现实文本转化为情感文本。该报告认为，情感文本分析在未来将越来越受到重视，并且在商业和政府舆情监测方面具有很大的应用潜力。例如，2017年，新浪微热点与哈尔滨工业大学合作推出了“情绪地图”。该“情绪地图”基于深度学习的语义情感分类模型，利用“喜、怒、哀、惧、惊”这五种常见情绪加上“中性”的六种情绪，对社交媒体上的大量文本数据进行情感判断和分类统计，最终呈现出情绪在时间和空间上的分布。在技术上，“情绪地图”运用了基于深度学习的词嵌入（Word Embeddings）、长短时记忆网络（LSTM）等NLP技术，对三元倾向性分类模块和六元情感分类模块进行了先后判断，并混合使用了深层神经网络机器学习方法和词典方法。“情绪地图”在推荐系统、产品评论分析等方面具有很高的实用性，在政府应用、品牌价值评估、产品质量反馈、影视作品口碑分析等领域也具有实际意义。