自然語言理解與行業(yè)知識圖譜：概念、方法與工程落地

　　本部分首先闡述自然語言理解的發(fā)展脈絡(luò)和理解邏輯，主要圍繞語言符號、處理體系、語義理解等進(jìn)行探討，引出自然語言理解的自動分析原理和方法，包括自然語言特征、統(tǒng)計學(xué)習(xí)、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、知識圖譜等。第1章概述自然語言發(fā)展脈絡(luò)，描述了語言理解的研究現(xiàn)狀、商業(yè)形勢、認(rèn)知突破口和未來預(yù)測。第2章梳理語言理解的演變流程，介紹我們面臨的各類自然語言理解任務(wù)，最后給出語言理解的研究體系框架，引出自然語言理解的基礎(chǔ)——自然語言處理。第3章重點介紹自然語言處理相關(guān)特征工程和文本任務(wù)對應(yīng)的各類算法模型、深度學(xué)習(xí)的前沿進(jìn)展。語言處理需要考慮特征構(gòu)造（字、詞、句、章級別）和特征表示，以利于后續(xù)自動處理。在特征表示方面，從早的符號表示到現(xiàn)在的張量表示，形成統(tǒng)計學(xué)習(xí)的基礎(chǔ)。接下來結(jié)合統(tǒng)計學(xué)習(xí)框架，論述語言學(xué)習(xí)原理和語言模型，結(jié)合概率圖模型和其他機(jī)器學(xué)習(xí)算法，闡述這些常規(guī)算法在自然語言處理任務(wù)中的應(yīng)用和效果。然后進(jìn)一步討論深度學(xué)習(xí)的各類算法，對語言學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)算法和新成果進(jìn)行分析。最后探討現(xiàn)有處理方法的發(fā)展邊界，提出引入外源知識（知識圖譜）來提高認(rèn)知能力的必要性。第4章系統(tǒng)介紹知識圖譜，包括知識圖譜工程和知識圖譜智能。然后梳理國內(nèi)外常見的通用知識圖譜，并進(jìn)一步總結(jié)熱門行業(yè)的知識圖譜發(fā)展現(xiàn)狀。最后結(jié)合語言知識和知識圖譜的搭建流程，引入語義特征，通過行業(yè)文本實例操作，幫助讀者了解語義理解的本質(zhì)。行業(yè)知識圖譜部分包含第5～8章。本部分在上述基本自然語言處理方法講解的基礎(chǔ)上，繼續(xù)闡述行業(yè)知識圖譜搭建和行業(yè)應(yīng)用的方法。目前從事自然語言理解的公司都將精力放在通用文本理解上，這些文本往往口語化嚴(yán)重、特征雜亂、信息量不足，導(dǎo)致算法處理形成的最終產(chǎn)品的用戶體驗不佳?？紤]到行業(yè)文本往往有一定規(guī)范，相對容易取得突破口，也有利于推動行業(yè)發(fā)展，所以我們選擇從行業(yè)文本出發(fā)，以專利文本實操作為樣板。第5章介紹行業(yè)知識工程實踐，以專利行業(yè)為例，詳細(xì)地描述了一個行業(yè)知識工程建設(shè)的過程。首先基于自然語言處理和知識圖譜搭建方法，建設(shè)行業(yè)知識庫，包括術(shù)語庫、產(chǎn)品庫、技術(shù)庫、標(biāo)準(zhǔn)庫、規(guī)則庫等，進(jìn)而開發(fā)行業(yè)主題分析模型、行業(yè)文本分類算法、相似度計算方法、價值評估方法和機(jī)器翻譯方法。第6章介紹知識圖譜模塊的搭建，包括關(guān)鍵詞助手、語義搜索、分級管理、高級分析、推薦和問答等。結(jié)合實際應(yīng)用，探討知識圖譜在提高智能性方面的能力和效果。第7章在前面知識工程和知識圖譜智能基礎(chǔ)上搭建智能應(yīng)用平臺，介紹了平臺的各類功能組件，描述了自下而上的軟件服務(wù)封裝邏輯，進(jìn)一步向上封裝為行業(yè)文本分析功能組件，包括檢索、分析、挖掘、管理、預(yù)警、運(yùn)營等。讀者可以將這套思路在各行業(yè)進(jìn)行實踐驗證，將上述組件和權(quán)限、安全板塊集成為應(yīng)用平臺，搭建常態(tài)化文本分析運(yùn)營平臺，完成平臺級別或各細(xì)分模塊的商業(yè)產(chǎn)品落地。第8章依托智能應(yīng)用平臺，結(jié)合實踐案例給出團(tuán)隊的應(yīng)用經(jīng)驗，即通過四個行業(yè)案例來驗證平臺的認(rèn)知能力?！蹲匀徽Z言理解與行業(yè)知識圖譜：概念、方法與工程落地》以自然語言理解和行業(yè)知識圖譜應(yīng)用落地為目標(biāo)，闡述了一個從0到1的行業(yè)文本理解案例?！蹲匀徽Z言理解與行業(yè)知識圖譜：概念、方法與工程落地》為互聯(lián)網(wǎng)企業(yè)的智能平臺構(gòu)建提供了很好的案例參考，也為行業(yè)信息化從業(yè)者提供了從入門到進(jìn)階的技術(shù)指導(dǎo)，適合作為自然語言處理、知識圖譜、計算機(jī)、人工智能等領(lǐng)域從業(yè)者的學(xué)習(xí)指導(dǎo)書，也非常適合對自然語言處理、知識圖譜感興趣的學(xué)生和創(chuàng)業(yè)團(tuán)隊閱讀。

　　王楠，北京大學(xué)博士，“創(chuàng)青春-中關(guān)村U30”2020年度優(yōu)勝者，先后任教于中國科學(xué)院、北京信息科技大學(xué)計算機(jī)學(xué)院。研究方向包括人工智能算法、知識圖譜、自然語言處理與地球電磁學(xué)等。主持或參與國家科技重大專項、高分專項、軍口預(yù)研、衛(wèi)星系統(tǒng)、企業(yè)大數(shù)據(jù)系統(tǒng)等科研項目，累計獲得研發(fā)經(jīng)費(fèi)超過千萬元人民幣。負(fù)責(zé)企業(yè)級“專利大數(shù)據(jù)智能分析系統(tǒng)”的研發(fā)，領(lǐng)導(dǎo)技術(shù)團(tuán)隊完成軟件平臺搭建、商用和優(yōu)化。以作者身份發(fā)表行業(yè)內(nèi)高水平論文十余篇，獲得多項發(fā)明和實用新型專利，提交專利申請十余項。趙宏宇，現(xiàn)就職于騰訊看點搜索團(tuán)隊，擔(dān)任算法研究員。有多年NLP、搜索系統(tǒng)、推薦系統(tǒng)的工作經(jīng)驗，涉及專利、招聘和網(wǎng)頁搜索等場景。精通PyTorch、TensorFlow等主流深度學(xué)習(xí)框架，擅長運(yùn)用NLP前沿技術(shù)解決工業(yè)項目難題。在意圖識別、內(nèi)容推薦、相關(guān)性排序等領(lǐng)域有多年實戰(zhàn)經(jīng)驗。曾參與千萬級用戶求職領(lǐng)域的推薦工作，作為算法主要負(fù)責(zé)人，主導(dǎo)全新算法落地迭代、線上算法優(yōu)化以及上億DAU網(wǎng)頁搜索優(yōu)化迭代。曾與人合著《智能搜索與推薦系統(tǒng)：原理、算法與應(yīng)用》一書。蔡月，清華-深圳灣實驗室聯(lián)合培養(yǎng)博士后，于2017年獲得北京大學(xué)生物醫(yī)學(xué)工程博士學(xué)位。曾擔(dān)任東軟醫(yī)療上海磁共振研發(fā)中心高級算法研究員。研究方向為數(shù)據(jù)科學(xué)、磁共振圖像算法、深度學(xué)習(xí)等，擅長腦科學(xué)領(lǐng)域數(shù)據(jù)分析、磁共振圖像加速、去噪等算法研究。曾在腦科學(xué)領(lǐng)域SCI期刊Neuroscience、Neurotoxicity Research上發(fā)表多篇文章，獲得多項發(fā)明專利。