词汇表

自然语言处理 (NLP)

探索自然语言处理 (NLP)，使计算机能够理解、解释和处理人类语言的技术。 人类语言的技术。

自然语言处理（NLP）是人工智能（AI）的一个专门分支，也是自然语言处理（NLP）的一个重要组成部分。 人工智能（AI）和计算机科学的一个专门分支。 是人工智能（AI）和计算机科学的一个专业分支，主要研究计算机与人类通过自然语言进行交互的问题。 人通过自然语言进行交互。NLP 的终极目标是以有价值的方式阅读、破译、理解和理解人类语言。 它弥补了人类交流之间的鸿沟。它在人类交流和计算机理解之间架起了一座桥梁、 使系统能够高效处理大量非结构化文本和语音数据。从 从聊天机器人到翻译服务，NLP 为我们每天经历的许多数字互动提供了动力。 数字互动。

NLP 的工作原理

NLP 系统将语言分解成更短的元素片段，以了解它们之间的关系以及它们如何共同创造意义。 它们如何共同创造意义。这一过程涉及几个关键阶段和技术：

• 令牌化：大多数 NLP 将原始文本划分为称为标记（单词、子单词或字符）的较小单元。
• 统计建模：早期的 NLP 依赖于基于规则的系统，而现代方法则使用 机器学习 (ML)从大量数据集中学习模式。 大型数据集中学习模式。
• 深度学习（DL）：高级 神经网络，特别是 递归神经网络（RNN）和 变压器，给这一领域带来了革命性的变化。本文介绍的 论文中介绍的Transformer 架构 注意就是一切一文中提出的，它允许模型处理文本中的长程依赖关系，是现代 大型语言模型 (LLM)的基础，如 GPT-4 和 BERT 等现代大型语言模型（LLM）的基础。

实际应用

NLP 与许多现代技术密不可分。以下是其应用的两个具体实例：

1. 金融和零售业的情感分析 零售：企业和金融机构通过分析社交媒体、新闻和客户评论中的文本，使用 NLP 来衡量公众舆论、 和客户评论。通过将文本的情感基调分为积极、消极或中性，企业可以 预测股市趋势或评估品牌声誉。像 斯坦福 CoreNLP套件等工具常用于此类任务。
2. 医疗领域的临床文档 医疗保健：在医疗领域，NLP 可从非结构化临床笔记中自动提取关键信息，如 患者症状、诊断和用药。这可以使编码过程（如 ICD-10）自动化，提高患者风险预测能力，简化行政工作流程。 预测，并简化行政工作流程。 美国国立卫生研究院 (NIH) 等机构的研究强调了这一点。

自然语言处理与相关概念

虽然 NLP 是一个宽泛的领域，但它经常与特定的子领域或相关技术相混淆：

• 自然语言理解（NLU）：NLU 是 NLP 的一个子集，专门用于机器阅读理解--确定文本背后的含义和意图。 确定文本背后的含义和意图。NLP 包括处理和生成，而 NLU 则严格涉及 理解。
• 计算机视觉（CV）：CV 侧重于解释视觉数据（图像/视频），而 NLP 则侧重于语言数据。然而，这些领域 在以下方面日益融合 多模态人工智能应用，如图像 字幕或视觉问题解答。Ultralytics 专注于 CV，其模型包括 YOLO11等模型，但将 CV 与 NLP 有效整合（如通过 YOLO）有效地将 CV 与YOLO 相结合，从而利用文本提示进行开放式词汇检测。 文本提示进行开放式词汇检测。

代码示例：命名实体识别

一个常见的 NLP 任务是 命名实体识别 (NER)，它 识别文本中的关键实体并对其进行分类。下面的示例使用了流行的 spaCy 库来 提取实体，其工作流程类似于如何使用 ultralytics 进行物体检测。

# Install spaCy: pip install spacy
# Download model: python -m spacy download en_core_web_sm
import spacy

# Load a pre-trained standard NLP model
nlp = spacy.load("en_core_web_sm")

# Process a text string containing entities
text = "Ultralytics launched YOLO11 in Madrid this year."
doc = nlp(text)

# Iterate over detected entities and print their label
for ent in doc.ents:
    print(f"Entity: '{ent.text}' | Label: {ent.label_}")
# Output: Entity: 'Ultralytics' | Label: ORG, Entity: 'YOLO11' | Label: PRODUCT, ...

主要 NLP 工具和资源

开发 NLP 应用程序需要强大的工具。Python Python生态系统提供了 优秀的库：

• 水疗专为生产使用而设计，可为多种语言提供快速、准确的 预训练模型。
• NLTK（自然语言工具包）：领先的平台 构建Python 程序以处理人类语言数据的领先平台，是教学和研究的理想之选。
• Ultralytics 平台：Ultralytics 平台 平台支持人工智能模型的生命周期，随着多模态模型的兴起，它有助于管理复杂的人工智能系统。 复杂的人工智能系统。

要深入了解 NLP 和计算机视觉如何结合，请阅读我们的指南 连接 NLP 与计算机视觉。