原文链接：https://yq.aliyun.com/articles/8301
作者：李永彬
发布时间：2016-03-17 16:37:47
- 自然语言理解（Natural Language Understanding，NLU）以语言学为基础，融合逻辑学、心理学和计算机科学等学科，试图解决以下问题：语言究竟是怎样组织起来传输信息的？人又是怎样从一连串的语言符号中获取信息的？换种表达就是，通过语法、语义、语用的分析，获取自然语言的语义表示。
自然语言理解的结果，就是要获得一个语义表示（semantic representation）： - 分布语义，Distributional semantics：这种方法的优点在于，它完全是数据驱动的方法，并且能够很好的表示语义，但一个很大的缺点在于，它的表示结果是一个整体，没有进一步的子结构。
- 框架语义，Frame semantics：这种方法和distributional semantics相比，能够表达丰富的结构。
- 模型论语义，Model-theoretic semantics： 这种方法的典型框架是把自然语言映射成逻辑表达式（logic form），是对世界知识的完整表示，比前两种方法表达的语义更加完整，但是缺点是semantic parser的构建比较困难，这大大限制了该方法的应用。
- 我们目前采用的是frame semantics表示的一种变形：采用领域（domain）、意图（intent）和属性槽（slots）来表示语义结果。领域分类和意图分类对应frame identification，属性抽取对应argument identification。
面临挑战
-（1）如何构建知识库
-（2）如何理解用户语句的意图
- 东三环堵吗／下水道堵吗；今天的天气／今天的天气不错；附近哪可以喝咖啡呀／感冒了可以喝咖啡吗
-（3）如何构建可扩展的算法框架
- 一个可扩展的算法框架，每当修改或者新增某个领域的时候，不会对其他领域造成干扰。
-（4）如何构建数据驱动的计算流程
-（5）如何融入上下文知识
- 支持常见的数十个领域的理解
- 一套可扩展的算法框架
- 数据驱动的闭环流程
