主题建模是NLP还是NLU？

Question

我最近开始了我的NLP世界之旅，这是一次非常棒的旅程。我目前正在试图了解主题建模是被认为是NLP还是NLU。

最初，我假设主题建模将被归类为NLP。然而，如果我们使用单词嵌入来进行主题建模，那么它不是被归类为NLU吗?因为我们对这些词在向量空间中的相互关系有了更深入的理解吗？

也许我很难确定NLP和NLU之间的内在区别，我们什么时候才能在两者之间划出界限呢？

你对这件事的见解将不胜感激。

Answer 1

也许我很难确定NLP和NLU之间的内在区别，我们什么时候才能在两者之间划出界限呢？

这里有一个困惑: NLP是人工智能的整个领域，它处理自然语言。它实际上包括与处理语言数据相关的任何任务(通常主要是书面数据，但这不是重点)。主题建模就是其中之一。

自然语言理解问题通常被认为是自然语言理解的主要目标之一。如果有的话，NLU是NLP试图解决的一个问题，即NLP大范围内的一个子主题。

还请注意，使用单词嵌入可以改善事物，但它并没有解决所有与语义相关的困难，远远没有解决。

编辑未严格定义NLU的范围:在尽可能广泛的定义中，它将包含任何与从文本中提取意义有关的模糊内容，而且在这个非常慷慨的意义上，主题建模将与其有或没有嵌入连接(许多其他NLP任务也是如此)。维基百科说：

“自然语言理解”这个总括术语可以适用于各种各样的计算机应用程序，从小的、相对简单的任务，比如向机器人发出的简短命令，到高度复杂的工作，如对报纸文章或诗歌段落的全面理解。许多实际应用介于两个极端之间，例如，用于电子邮件自动分析的文本分类以及它们在公司中的适当部门的路由，并不需要对文本有深入的理解。

但是，NLU最普遍接受的定义更为严格，它只考虑在相当复杂的背景下直接涉及文本解释的任务。典型的例子是“虚拟助理”，比如Amazon，OK Google，Apple的Siri。从这个意义上讲，无论“理解程度”如何，主题建模都是一项完全不同的任务。