自然语言理解（NLU）

自然语言理解（NLU）是人工智能（AI）和自然语言处理（NLP）的一个子领域，其重点是使机器能够理解人类语言的含义。与简单的文字处理不同，NLU 的目的是从文本或语音中解读意图、语境和情感。它是人机交互等式中的 "理解 "部分，即使语言含糊不清、口语化或非结构化，也能让软件掌握用户的真实意思。这种能力是创建更直观、更强大的人工智能应用软件的基础，这些应用软件可以根据人的自身条件与人进行交互。

北大西洋公约组织的核心组成部分

NLU 将理解语言的复杂任务分解为几个关键部分。NLU 系统通常结合执行以下任务来解构和解释用户输入：

• 意图识别：这是识别用户目标或目的的过程。例如，在 "预订飞往纽约的航班 "这句话中，用户的意图是 "预订航班"。对于任何面向任务的系统（如聊天机器人或虚拟助手）来说，这是至关重要的第一步。您可以了解有关Microsoft Azure LUIS 等服务如何处理意图的更多信息。
• 命名实体识别（NER）：这包括将文本中的关键信息识别并归类为预定义的类别，如姓名、组织、地点、日期和数量。在航班预订的例子中，"纽约 "是一个地点实体。
• 情感分析：这项任务可确定文字背后的情感基调，将其分为正面、负面或中性。它被广泛用于评估客户反馈、品牌声誉和公众舆论。
• 关系提取：这项高级任务可识别文本中不同实体之间的语义关系。例如，从新闻文章中识别出 "埃隆-马斯克 "是 "特斯拉 "的 "首席执行官"。这有助于从非结构化数据中构建结构化知识。

为北大西洋语言单元提供动力的技术

现代 NLU 在很大程度上依赖于机器学习（ML），尤其是深度学习（DL）的进步。Transformers等神经网络架构和BERT等预训练模型通过有效捕捉语言中复杂的上下文关系，彻底改变了 NLU 的功能。这些突破是当前大型语言模型（LLM）功能的基础。斯坦福大学 NLP 小组等著名的人工智能研究机构以及spaCy和Hugging Face等开源库和平台为该领域的进步做出了重要贡献，计算语言学协会 (ACL) 等组织也在推动研究向前发展。

北大西洋公约组织与相关概念

重要的是要将无语言障碍环境与密切相关的术语区分开来：

• 自然语言处理（NLP）：NLU 是 NLP 的一个专门子领域。NLP 是一个广泛的领域，涵盖计算机与人类语言交叉的所有方面，而 NLU 则特别关注理解和意义提取（输入）。NLP 还包括自然语言生成 (NLG)，它关注的是生成类人文本（输出）。简而言之，NLU 是关于 "阅读"，而 NLP 则涵盖 "阅读、书写和操作 "语言。
• 计算机视觉（CV）：NLU 处理语言数据，而 CV 侧重于解释来自图像和视频等视觉输入的信息。Ultralytics YOLO等 CV 模型用于物体检测等任务。然而，在处理文本和图像的多模式模型中，这两个领域的交集越来越多，从而实现了连接 NLP 和 CV 的应用。虽然Ultralytics HUB等平台主要专注于视觉人工智能，但深度学习的基本原理往往是重叠的。有关人工智能应用的更多信息，请参阅Ultralytics 文档。