自然语言处理算法

Question

我正计划用NLP开发一个自然语言问题系统。我已经对适用于NLQ系统的可能算法进行了文献研究。

最终用户在完成这个工具之后，应该能够向系统提出一个问题，而系统又会以一个图表的形式给出答案表的形式。

此外，应答部分已经完成。将使用PyNLPl库在Python中进行编程。

主要工具已经可以执行数学操作并总结这些操作的结果。用户应能够提出以下问题：

• “一月一个下雨天的销售怎么样？”
• “整个欧洲.的数量是多少”

这个问题不是主观的，正如我前面提到的，我做过文学研究。我正确地选择了我发现的算法列表。并决定：

• POST，纯金，命名实体提取
• 解析
• 主题建模和关键词提取。

每一个要点的算法如下：

• 条件随机场隐马尔可夫模型
• CKY算法- Earley算法
• 拉丁Dirichlet分配

此外，问题中应提及的变量并不是独立的。在那种情况下，朴素贝叶斯也适用吗？所选择的算法，应优于其他算法，并使最佳匹配。

Answer 1

我一直在阅读和阅读，并且找到了我几乎所有问题的答案。我坚持早期的算法，因为它提供了一种动态规划方法(CKY也这样做)。这两种算法都是图表解析算法。

Earley是一种上下文无关的-自顶向下解析算法.这使得它成为一种目标驱动的算法。从开始符号到下面。此外，它比CKY算法更有效。比较幻灯片和解释：https://www.cs.bgu.ac.il/~michaluz/seminar/CKY1.pdf

注意: Earley和CKY解析算法只会产生一个解析树，而对其无能为力。然而，使用移-约依赖分析算法不仅给出了词组之间的依赖关系，而且不仅给出了句子结构的解析和口径依赖，而且这些依赖关系也可以用于问题中的关系抽取。才能真正理解这个问题。