本文主要摘錄自中金研究報告《自然語言處理成為企業(yè)數(shù)字化轉(zhuǎn)型的重要手段》

NLP（Natural Langunge Processing, 自然語言處理）就是用計算機對人類語言進行處理型凳，使得計算機具備人的聽眶明、說、讀、寫能力。該技術(shù)可使機器理解并解釋人類寫作和說話方式，是人工智能最早的應(yīng)用魂拦，也是現(xiàn)在關(guān)注度較高的領(lǐng)域。

NLP 技術(shù)大體可以分為自然語言理解（NLU）和自然語言生成（NLG）兩部分箭跳，NLU 主要結(jié)合語言學(xué)中的音韻學(xué)晨另、句法、語義等理論谱姓，像人類一樣對自然語言進行理解借尿；NLG 負責(zé)將理解后的內(nèi)容以一定結(jié)構(gòu)的文本信息輸出。

按照實現(xiàn)方式不同屉来，可以把 NLP 落地應(yīng)用分為對話機器人（語音語義問答）路翻、閱讀理解、智能搜索和機器翻譯 四種茄靠。這四種 NLP 技術(shù)在各行各業(yè)都能解決很多問題茂契。

1. 對話機器人

[ 基本思想 ] 機器通過對自然語言問題的理解，利用NLP技術(shù)找到相應(yīng)的答案慨绳，最后以搜索引擎查詢結(jié)果或者語音的形式輸出掉冶。

[ 落地場景 ] 按照應(yīng)用范圍的不同真竖，對話機器人可以分為通用型對話機器人與專業(yè)領(lǐng)域?qū)υ挋C器人。

1.1 通用型對話機器人

多用于 閑聊和咨詢?nèi)粘栴} 的場景厌小，該場景下用戶對于通用型對話機器人的問答準(zhǔn)確性要求不高恢共，更多關(guān)注體驗和效果。目前搭載通用型對話機器人的主要產(chǎn)品包括：

（1）Siri等手機助手璧亚，Cortana讨韭、小冰等PC助手

（2）Amazon Alexa、Google Home等智能音箱

由于用戶更重視通用型對話機器人的交互體驗癣蟋，因此相較于 Siri 等手機助手透硝，搭載語音交互，并且能夠在家居等特定場景完成各種任務(wù)的智能音箱更受到用戶青睞疯搅。 近年來濒生，通用性對話機器人呈現(xiàn)出兩個趨勢：一是語音交互體驗逐漸增強（語音合成技術(shù)起重要作用）；二是 NLP 技術(shù)與問答準(zhǔn)確性將是影響智能音箱市占率的重要因素秉撇。

1.2 專業(yè)領(lǐng)域?qū)υ挋C器人

多用于特定場景甜攀、解決特定行業(yè)的問題。相較于通用型對話機器人琐馆，用戶端更關(guān)注專業(yè)領(lǐng)域?qū)υ挋C器人問答的準(zhǔn)確性规阀，服務(wù)端需要根據(jù)把問答和所處行業(yè)的專業(yè)知識庫、客戶關(guān)系系統(tǒng)瘦麸、供應(yīng)鏈等其它IT功能相結(jié)合谁撼。

專業(yè)領(lǐng)域問答機器人一般采用SaaS形式向B端商家賦能。具體應(yīng)用過程中滋饲，智能客服利用自然語言處理技術(shù)對語義進行分析厉碟，判斷顧客的意向，再給予相應(yīng)的回復(fù)或轉(zhuǎn)人工屠缭。相比單一的人工客服箍鼓，智能客服的優(yōu)勢主要體現(xiàn)在兩方面：一是省成本；二是24小時在線呵曹，全天候秒回款咖。目前專業(yè)領(lǐng)域?qū)υ挋C器人主要用于電商、醫(yī)療奄喂、金融等行業(yè)的智能客服铐殃。

（1）電商領(lǐng)域

阿里和樂言合作，推出淘寶客服服務(wù)跨新，把自動問答機器人與人工坐席相結(jié)合富腊，由機器人首先回答一些問題，當(dāng)碰到無法回答的問題域帐，可以由人工接手赘被。

京東推出客服機器人JIMI是整，通過分析用戶的語義，判斷客戶的情緒民假，給予更智能贰盗、有情感色彩的回復(fù)。

（2）醫(yī)療領(lǐng)域

通過智能的人機對話阳欲，醫(yī)療機構(gòu)可以使精確導(dǎo)診服務(wù)前置于掛號和就診前，提高醫(yī)療服務(wù)效率陋率，改善患者的就醫(yī)體驗球化。智能導(dǎo)診幫助解決了三類問題：一是根據(jù)癥狀診斷疾病瓦糟；二是根據(jù)疾病導(dǎo)診科室筒愚；三是直接掛號最匹配的科室大夫。

相比人工導(dǎo)診菩浙，智能導(dǎo)診具有全天24小時在線巢掺、可以匹配醫(yī)生且精確度更高的優(yōu)勢，能提高醫(yī)患雙方的效率和體驗劲蜻。

2018年陆淀，依圖科技聯(lián)合騰訊睿知和廣州市婦女兒童醫(yī)療中心推出“問診熊”問診小程序，可以識別518種婦女兒童醫(yī)療領(lǐng)域的疾病先嬉，涵蓋95%以上的領(lǐng)域常見疾病轧苫，醫(yī)生推薦準(zhǔn)確率達97.3%。

2. 閱讀理解

醫(yī)療疫蔓、教育含懊、金融、司法等眾多行業(yè)衅胀，存在大量的文本信息岔乔。很多文字產(chǎn)品篇幅很長，用戶需要從頭到尾讀完之后才能理解內(nèi)容滚躯。同時雏门，對長文本的校驗也是非常復(fù)雜的工作，需要耗費大量人力反復(fù)校驗哀九，卻不能保證準(zhǔn)確性剿配。利用NLP技術(shù)，機器可以在輸入文本后完成：

2.1 數(shù)據(jù)結(jié)構(gòu)化

將原本雜亂的文本信息阅束，利用NLP技術(shù)對每段文字進行理解呼胚，并按照特定的規(guī)則將原始文本變成結(jié)構(gòu)化、可查詢的數(shù)據(jù)格式息裸，方便用戶使用蝇更。

典型的代表是AlphaSense（https://www.alpha-sense.com/index.html）沪编，一家成立于 2008 年的智能搜索引擎公司。 它從文件年扩、 新聞和研究報告等碎片化信息中集合所有投資信息蚁廓， 并進行語義分析， 整合相關(guān)概念厨幻、主題相嵌、行業(yè)等，方便用戶搜索况脆、瀏覽和分析和金融投資相關(guān)的重要數(shù)據(jù)點及整體趨勢饭宾。

2.2 校驗審核

[ 概? ? ? 要 ] 主要應(yīng)用于金融領(lǐng)域，可以極大提升投行/會計審計/銀行的效率和準(zhǔn)確性格了。

[ 行業(yè)痛點 ] 金融行業(yè)文本量大看铆、合規(guī)要求高，文本出現(xiàn)問題后果嚴(yán)重盛末。投行的申報材料和基礎(chǔ)底稿弹惦、會計師事務(wù)所的審計報告、銀行信貸業(yè)務(wù)的盡調(diào)和審批報告等悄但，對準(zhǔn)確度的要求都非常高棠隐，然而傳統(tǒng)的人工審核方式需要耗費大量人力，效率低檐嚣，而且很容易出錯宵荒。

[ 解決方案 ] 依據(jù)既定的規(guī)則和要求，機器可以利用NLP技術(shù)自動審核相應(yīng)文本净嘀，智能化檢查后快速出具審核報告报咳，批注錯誤并解釋判斷邏輯、提出修正建議挖藏。以招股書為例暑刃，系統(tǒng)可以實現(xiàn)：

? 財務(wù)檢查：結(jié)合監(jiān)管機構(gòu)的披露指引和財務(wù)勾稽關(guān)系，對IPO文檔中披露的信息進行邏輯監(jiān)控膜眠，如各財務(wù)報表的會計科目平衡等岩臣。

??文本信息一致性審核：IPO過程中的申報材料、底稿達上千卷宵膨，系統(tǒng)可以實現(xiàn)同一文檔前后文的一致性架谎、多文件文本信息的一致性校驗。

??其他基礎(chǔ)性檢測：系統(tǒng)可以識別出錯別字辟躏、中英文標(biāo)點符號的錯用谷扣、專業(yè)名詞使用不規(guī)范等問題。

例如犀語科技為投行部門開發(fā)的IPO審核系統(tǒng)捎琐，提供錯別字識別会涎、第三方對比裹匙、多文件一致性檢測、財務(wù)檢查等功能末秃。

2.3 專家系統(tǒng)+醫(yī)療/司法

[ 概? ? ? 要 ] 主要應(yīng)用于醫(yī)療和司法領(lǐng)域概页，以輔助醫(yī)生和法官做出判決。

[ 行業(yè)痛點 ] 醫(yī)療和司法場景都存在大量非結(jié)構(gòu)化的文本信息练慕，而且具有很高的專業(yè)性惰匙。除此之外，醫(yī)療和司法場景都會不斷出現(xiàn)新的案例铃将，這對從業(yè)人員造成了一定的困惑徽曲。

[ 解決方案 ] 由于機器比人類擁有更快的存儲記憶能力，計算機利用NLP技術(shù)麸塞，對醫(yī)療/司法行業(yè)的專業(yè)知識、過往案例等進行大量學(xué)習(xí)涧衙，可以輔助醫(yī)生/法官進行疾病和案件的診斷和審判哪工。自然語言處理在智能輔診的典型應(yīng)用過程如下：

??從病歷、檢驗單弧哎、醫(yī)囑等醫(yī)療文本中提取患者的性別年齡雁比、臨床癥狀等關(guān)鍵信息，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成一致撤嫩、統(tǒng)一的表格等形式的結(jié)構(gòu)化數(shù)據(jù)

??基于提取出的信息偎捎，并且讓機器掌握醫(yī)生具備的醫(yī)療知識，構(gòu)建出顯示各類醫(yī)療信息之間關(guān)系的知識圖譜序攘，比如患者癥狀茴她、藥物、疾病診療等

??知識圖譜可以根據(jù)患者的癥狀診斷疾病程奠，或者根據(jù)特定的疾病推斷出未來可能出現(xiàn)的癥狀

2.4 輿情分析

[ 概? ? ? 要 ] 主要應(yīng)用于投資領(lǐng)域丈牢，輔助投資人做出投資決策。

[ 行業(yè)痛點 ] 金融資訊信息十分豐富瞄沙，難以靠人工閱讀并分析所有相關(guān)的資訊己沛，但這類定性數(shù)據(jù)對事件分析、決策輔助距境、監(jiān)控預(yù)警的重要性越來越顯著申尼。利用自然語言處理技術(shù)，可以基于語義對包括公司新聞垫桂、市場行情师幕、宏觀經(jīng)濟、政策法規(guī)诬滩、社交媒體上的資訊予以抓取和語義分析们衙，監(jiān)控股民钾怔、機構(gòu)等對市場的態(tài)度，并通過知識圖譜技術(shù)建立事件之間的關(guān)聯(lián)關(guān)系蒙挑，可以實現(xiàn)實時監(jiān)控宗侦、輔助投資等功能。

[ 解決方案 ] 機器利用 NLP 技術(shù)忆蚀，對每一條輿情做情感分析矾利，判斷其對股價變動的影響，從而輔助做出投資決策馋袜。

??一家名為kensho（https://www.kensho.com/）的AI公司男旗，其主要產(chǎn)品為warren問答引擎，通過監(jiān)測財報發(fā)布欣鳖、全球數(shù)據(jù)環(huán)境察皇、經(jīng)濟報告、公司產(chǎn)品發(fā)布泽台、FDA藥品批準(zhǔn)等等多方面的信息什荣，建立起事件與資產(chǎn)之間的相關(guān)性，從而預(yù)測資產(chǎn)價格走勢怀酷。2017年初稻爬，該公司成功預(yù)測了特朗普當(dāng)選后， 美元重回漲勢蜕依， 以及科技股的反彈桅锄。

2.5 智能寫作

[ 概? ? ? 要 ] 主要應(yīng)用于傳媒領(lǐng)域，輔助媒體人自動寫稿样眠。

[ 行業(yè)痛點 ] 現(xiàn)在互聯(lián)網(wǎng)聚集海量文本友瘤，新聞、微博檐束、朋友圈商佑、微信公眾號、頭條號等地方每天會產(chǎn)生大量文章厢塘。但很多內(nèi)容作者投入大量精力握恳，實際閱讀量非常少闺属，內(nèi)容投入產(chǎn)出率較低蛛株。

[ 解決方案 ] 通過對大量的新聞文本進行語義分析和快速摘要扔字，可以快速形成熱點匯總類、新聞聚合類格嘁、事件盤點類的新聞稿件笛求，進行自動寫作和輔助寫作，提升新聞生產(chǎn)效率。

??今日頭條每天會產(chǎn)生很多新聞探入，2016 年頭條發(fā)布 “Xiaomingbot” 機器人狡孔，經(jīng)過 1 年多時間訓(xùn)練，“Xiaomingbot”已經(jīng)能夠?qū)戵w育蜂嗽、財經(jīng)苗膝、地產(chǎn)等多個行業(yè)的文章，而且文章的閱讀量和記者撰寫的文章非常接近植旧，大大提高了今日頭條的投入產(chǎn)出比辱揭。

??美國的Narrative Science，從結(jié)構(gòu)化數(shù)據(jù)中進行數(shù)據(jù)挖掘病附，并把結(jié)果用簡短的文字或依據(jù)模板產(chǎn)生報告內(nèi)容问窃。又如Automated Insights，它為美聯(lián)社自動寫出了10億多篇文章與報告完沪。

3. 機器翻譯

主要是使用機器將一種語言的源序列（句子域庇，段落，文檔）翻譯成相應(yīng)的目標(biāo)序列或另一種語言覆积，細節(jié)后續(xù)補充听皿。

4. 智能搜索

主要是實現(xiàn)語義搜索，細節(jié)后續(xù)補充技健。