یادداشت‌های سخنرانی پردازش زبان طبیعی (NLP)

مقدمه

مثال: C-3PO از جنگ ستارگان به عنوان یک روبوت انسان‌نما
ماشین‌ها که به روش‌های مشابه انسان‌ها تعامل می‌کنند، یک واقعیت امروزی هستند (مانند دستیارهای هوشمند، پرسش‌های آنلاین، تماس‌های خودکار)
سؤال مرکزی: چگونه ماشین‌ها صدا و چهره‌ای شبیه به انسان پیدا می‌کنند؟

تعریف: شاخه‌ای از هوش مصنوعی که به ماشین‌ها امکان می‌دهد تا زبان‌های انسانی را بخوانند، بفهمند و از آنها معنا استخراج کنند
رشته‌های بین‌رشته‌ای: زبان‌شناسی + علوم کامپیوتر
هدف اصلی: درک، تجزیه، و استنتاج جزئیات معنادار از متن و گفتار

رسانه‌های اجتماعی: تحلیل داده‌ها برای فهم رفتار انسانی و عادات مشتریان
اتوماتیک سازی: صرفه‌جویی در هزینه منابع و زمان (مثلاً اتوماسیون خدمات مشتری)
استفاده روزمره:
- تصحیح خودکار املاء
- بررسی سرقت ادبی

نمای کلی روند:
1. تقسیم‌بندی: تجزیه یک سند به جملات (مبتنی بر نقطه گذاری)
2. نشانه‌گذاری: تجزیه جملات به کلمات (نشانه‌ها)
3. حذف کلمات توقف: حذف کلمات غیرضروری (مثلاً "هستند"، "را")
4. ریشه‌یابی: کاهش کلمات به فرم‌های پایه خود (برگشت ← برگشتن، می‌گردد، برگشت)
5. لمازینیگ: شناسایی فرم‌های پایه برای زمان‌ها و حالات مختلف (مبتنی بر لِمّا)
6. نشانه‌گذاری بخش‌هایی از گفتار: نشانه‌گذاری کلمات به عنوان اسم، فعل، مقاله‌ها و غیره
7. نشانه‌گذاری موجودیت‌های نام‌برده شده: شناسایی و علامت‌گذاری نام‌ها، مکان‌ها، ارجاعات فرهنگ پاپ و غیره
الگوریتم‌های یادگیری ماشین: استفاده از الگوریتم‌هایی مانند بیز ساده برای آموزش مدل‌ها با احساسات و گفتار انسانی

برنامه SimplyLearn: برنامه کارشناسی ارشد در هوش مصنوعی و یادگیری ماشین با همکاری IBM
- قالب‌ها: آموزش Keras و TensorFlow
- تجربه: تجارب عملی در یادگیری عمیق

کدام تکنیک NLP برای استخراج کلمات از جملات استفاده می‌شود؟
- الف) ریشه‌یابی
- ب) نشانه‌گذاری
- ج) لمازینیگ
- د) تقسیم‌بندی
پاسخ: در نظرات، سه برنده کوپن هدیه آمازون دریافت می‌کنند