自然语言处理用例入门-聊天机器人、搜索、语音等

德国Sanchis Trilles博士Emerj技术顾问将自然语言处理定义为：

“……与人类语言有关的一切。如果你有一个系统需要识别一个人写的东西，那就是NLP。如果你有一个系统试图理解一个人用他的声音或她的声音说什么，那也是NLP。如果你想让一个系统说话，做一些语音合成，那也是NLP。

如果你想让一个系统了解推特背后的情绪，那也是NLP。如果你想将邮件分为垃圾邮件和非垃圾邮件，那也是NLP。

因此，任何与让机器理解某种东西或用人类语言做某种事情有关的事情，都是NLP的“定义”

虽然并非所有行业和部门都有明显和丰富的计算机视觉用例，但所有企业都使用文本，必须管理文档和通信。

建立行业，如银行，保险，能源和医疗（统称占全球国内生产总值的很大一部分）埋在遗留系统和文本文档。在某些方面，NLP是在建立和旧的公司解锁值，使未来的AI创新的关键技术之一。

此外，它往往是更容易为一家公司采用NLP比它是一个公司采用计算机视觉和语音技术，为NLP经常与结构化数据（文本文件或例如聊天记录）的作品。

虽然机器必须扫描和每一个形象作为一个独特的评估是有意义的，字母“L”始终是字母“L”，提供更加明确和较少的前期培训时间提供一定程度的商业价值。NLP也通常需要比图像和音频的处理大大较少的计算资源。

虽然任何人工智能应用程序在业务环境中都可能具有潜在价值，但NLP将是经常出现的，了解NLP的使用情况、潜力和局限性对于考虑采用人工智能的任何人都很重要。

相关条款：什么是自然语言处理？- 一个企业领导者的定义

聊天机器人和对话界面

功能：

回答相对简单的问题或命令. Siri和Alexa就是这种通用能力的很好例子——银行或电子商务中的聊天机器人也常常局限于一系列被确定为用户最常见和最有用的问题。
判断特定消息为某种类型的（例如：退款请求、产品查询等），当机器无法自行处理问题时，将客户发送给人工客户服务代理。定时这个“路由”通常是一个伟大的聊天机器人经验和一个贫穷的区别。

限制：

无法理解跨时间的对话。Alexa不记得你上一句话了，而不能建立在您的要求随着时间的情况下（例如，推断出你的意思）。
不能随着时间的推移而真正地进行对话——不能探索所说的话的细微差别，也不能提出深层次的问题来澄清意图。
需要大量以前的对话来训练。
Requires a lot of context from data scientists and subject-matter experts in order to determine (a) what use-cases the chatbot should be used on to deliver value for users, and (b) which applications are feasible given the company’s data, talent, and financial resources for the project.

相关条款：聊天机器人的客户服务 - 4当前用例

企业搜索和发现

功能：

聚类分类按特定类型列出的文档。例如，看见标记的几千“机密”和“未分类”的文档的示例的银行内，然后手动标记的其他文件（在可能有数百万的文档语料库），为任一“机密”或“未分类”的机器基于上标记的例子。这能为用户提供排序和查找相关信息摘要更大的能力。
能够搜索更健壮的术语和概念. 一个自然语言搜索模型可以搜索特定药物副作用的病历，查找所有已知的关于“咳嗽”作为特定药物副作用的研究论文。这个搜索应用程序可能会自动搜索“咳嗽”的同义词，如“喘息”或“黑客”或“喉咙发痒”等。

限制：

支持人工智能的搜索和发现应用程序需要大量的前期工作来确定术语和标签的本体，人类将使用这些术语和标签来搜索信息。
通常，用户不确定将使用该应用程序的确切工作流。当信息很难找到时，用户有自己的方法来开发工作流，并且构建一个用户将在日常生活中使用的应用程序是一项挑战。这也使得“前后”投资回报率的测量非常具有挑战性。

相关条款：油气信息提取技术的应用现状

相关条款：银行与金融服务中的信息抽取

相关条款：银行业中的文本挖掘——当前应用

相关幻灯片：数字职场技术企业搜索

客户反馈

客户洞察人工智能 — ***相关条款：*** *利用人工智能改善客户体验，在规模上获得可量化的洞察力*

功能：

确定特定消息或消息主题的情绪. 回答以下问题：
- 当人们谈论我的主要竞争对手时，他们通常是以对我们公司有利的方式谈论，还是以对我们公司不利的方式谈论？
- 什么是我们的品牌社交媒体帖子的最后一周，一般的看法？
- 我们收到的最愤怒和愤怒的电子邮件支持通知单是什么，它们有什么共同点？
搜索实体（产品、地点、人员等）。制药公司可能会搜索其所有的客户服务通话记录，寻找其产品的名称，以便找到与该产品有关的具体问题，或药物的任何副作用

限制：

除了相对有限的结构化示例之外，如果没有人工指导，NLP无法从原始客户数据中找到真正的见解。一个人可以使用NLP工具浏览客户服务数据，或者一个人可以让一台机器监控一个特定的指标（即社交媒体上表达的积极情绪和消极情绪的比率），并且让程序在比率或数字与基线范围有显著差异时通知业务用户。然而，一台机器无法解释被询问的数据背后的“原因”，而人工上下文和智能对于确定工作流和应用程序是必要的，在这些工作流和应用程序中，这项技术将具有最大的价值。

相关采访：使用NLP进行客户反馈

相关条款：发现客户体验趋势与自然语言处理

语音 - 文本

功能：

录制语音到文本. 此文本信息可用于答复(iPhone上的语音控制功能），购买产品（Alexa的），或者回答的基本问题（在聊天机器人或对话界面）。

限制：

有许多因素使噪声语音数据难以处理。对于一台机器来说，当地口音很难理解（除非它以前接触过这种口音）–麦克风质量、空气运动和背景噪音也会对声音产生重大影响。应用程序需要在各种环境、口音、音量等方面接受语音数据方面的培训，以确保应用程序的健壮性。

相关采访：哪些行业将通过启用语音搜索第一？

相关条款：银行语音识别

相关条款：语音转录人工智能——比较即将成立的初创公司和老牌玩家

图像到文本

功能：

将图像或PDF转换为结构化文本. 通过正确的培训，可以获取格式不可预测的纸质文档，并将其数据结构为可访问和使用的格式。例如，计算机视觉可以应用于不同公司的发票，这些公司使用不同的字体、不同的页面布局等。视觉系统可以确定哪一个文本是“发票公司名称”、哪一个文本是“到期金额”、哪一个文本是“到期日”等，即使系统从未见过过去那种特殊的页面布局。一旦转换成结构化文本，NLP就可以用来搜索ann，探索曾经只是图像（例如，通过邮件发送的纸质文档）的内容。

限制：