什麼是自然語言處理 (NLP)？

公司藉助自然語言處理來完成多項自動化任務，例如：

• 處理、分析和封存大型文件。
• 分析客戶意見回饋或呼叫中心記錄
• 執行聊天機器人以實現自動化客戶服務
• 回答誰-什麼-何時-在哪裡問題
• 分類和擷取文字

企業使用自然語言處理 (NLP) 軟體和工具來高效且準確地簡化、自動化和精簡操作。下面列出了一些範例使用案例。

敏感資料編輯

保險、法律和醫療保健領域的企業會處理、分類和擷取大量敏感文件，例如醫療記錄、財務資料和私人資料。公司並非手動審查，而是使用 NLP 技術來修訂個人身分資訊並保護敏感資料。例如，Chisel AI 可協助保險業者使用 Amazon Comprehend，從非結構化文件中擷取保單編號、到期日期和其他個人客戶屬性。

客戶參與

NLP 技術讓聊天和語音機器人在與客戶交談時更像人類。企業使用聊天機器人來擴展客戶服務能力和品質，同時將營運成本降至最低。PubNub 可建置聊天機器人軟體，使用 Amazon Comprehend 為其全球客戶介紹當地語系化聊天功能。T-Mobile 使用 NLP 識別客戶簡訊中的特定關鍵字，並提供個人化建議。奧克拉荷馬州立大學部署答疑聊天機器人解決方案，使用機器學習技術來解決學生的問題。

商業分析

行銷人員使用 Amazon Comprehend 和 Amazon Lex 之類的 NLP 工具，來了解客戶對公司產品或服務的感受。透過掃描特定片語，他們可在書面意見回饋中衡量客戶的情緒和情感。例如，Success KPI 提供各種自然語言處理解決方案，協助企業專注於情緒分析中的目標領域，並協助聯絡中心從通話分析中獲得可行的洞察。

自然語言處理 (NLP) 技術或 NLP 任務，將人類文字或語音分解為電腦程式可輕鬆理解的較小部分。NLP 中常見的文字處理和分析功能如下。

詞性標記

這是 NLP 軟體根據上下文用法 (如名詞、動詞、形容詞或副詞)，在句子中標記個別單字的程序。它可協助電腦理解單字如何形成彼此有意義的關係。

字義去除混淆

某些單字在不同場景中使用時可能具有不同的含義。例如，"bat" 這個單字在以下句子中表示不同的事物：

• A bat is a nocturnal creature. (蝙蝠是夜行性生物。)
• Baseball players use a bat to hit the ball. (棒球運動員使用球拍擊球。)

透過字義去除混淆，NLP 軟體可訓練其語言模型或引用字典定義，來識別單字的預期含義。

語音辨識

語音辨識可將語音資料轉換為文字。該程序涉及將單字分解為更小的部分，並理解重音、口音、語調和日常對話中的語法使用不當。語音辨識的關鍵應用程式是轉錄，這可使用語音轉換文字服務 (例如 Amazon Transcribe) 來完成。

機器翻譯

機器翻譯軟體使用自然語言處理功能，將文字或語音從一種語言轉換為另一種語言，同時保留情境的準確性。支援機器翻譯的 AWS 服務是 Amazon Translate。

命名實體辨識

此程序可識別人員、地點、事件、公司等的唯一名稱。NLP 軟體使用命名實體辨識，來確定句子中不同實體之間的關係。

考慮以下範例：「Jane 前往法國度假，她喜歡吃當地美食。」

NLP 軟體將識別「Jane」和「法國」作為句子中的特殊實體。這可透過指代消解進一步識別，判斷是否使用不同的字詞來描述同一實體。在上面的範例中，「Jane」和「她」都指向同一個人。

情緒分析

情緒分析是一種以人工智慧為基礎的方法，用於解譯文字資料所傳達的情緒。NLP 軟體可分析文字中顯示不滿、幸福、懷疑、後悔和其他隱藏情緒的字詞或片語。

一般而言，NLP 實作會從雲端資料倉儲、調查、電子郵件或內部商業程序應用程式等來源，收集和準備非結構化文字或語音資料。

預先處理

NLP 軟體使用預先處理技術，如記號化、詞幹分析、詞形還原和停用字移除，以便為各種應用程式準備資料。

下面介紹這些技術：

• 記號化將句子分解為個別單字或片語單位。
• 詞幹分析和詞形還原可將單字簡化為其根形式。例如，這些程序會將 "starting" 轉變為 "start"。
• 停用字移除可確保移除不會為句子新增重要意義的單字，如 "for" 和 "with"。

培訓

研究人員使用預先處理的資料和機器學習來訓練 NLP 模型，以便根據提供的文字資訊來執行特定應用程式。訓練 NLP 演算法需要為軟體提供大型資料範例，以提高此演算法的準確度。

部署與推論

AI 專家隨後會部署模型，或將其整合至現有的生產環境。NLP 模型會接收輸入，並預測模型設計的特定使用案例輸出。您可以在即時資料上執行 NLP 應用程式，以取得所需的輸出。