分類: 問答 常識詞典 編輯 : 常識 發布 : 08-07

閱讀 :483

十年內自然語言理解技術（NLP）不會再有突破了，您同意嗎？就像幾年前lowell的那個圓桌會議對圖像處理未來展望的結論一樣，只不過俺稍微樂觀點，10年吧9 個答案

答案 1：

要看具體問題吧，如果說序列標注之類的問題，這幾年進展很大，而且相關的無監督算法也越來越向實用靠近了。如果說是機器翻譯，語義分析之類的難題，就看這幾年機器學習里面Deep Learning的進展了。不過現在計算資源越來越充足，個人認為未來幾年機器翻譯，語義分析里面的大部分研究課題會有很大的突破，起碼機器翻譯在大部分領域將成為一種可靠的服務。

答案 2：

06年讀Master時我專攻Text Categorization. 感覺上當時是AI里最熱門的領域, 主要大家都發現這個領域可以有很多很多應用, 這也就是為什么Google, IBM這些大公司投了很大物力和人力去做這些. 工作后繼續做Web Content Processing, 準確說Web ContentCategorization, 感覺上具體到Natural Language Processing, 主要的理論基礎都是概率和統計, 再有就是一些Neural Network的算法, 概率畢竟是概率. 理論上很好的算法, 在真正在實際應用中, 很多時候很難達到希望的效果... 比如我們想要根據網頁內容對其進行分類, 即便理論上最有效的SVM結果不過一般, 這是網頁的內容所決定的, 比如很多網頁沒有很多文字內容, 像知乎這種文字網站可能效果就會好很多... 所以說要綜合很多不同的算法才能達到理想的效果.

答案 3：

有瓶頸！

答案 4：

什么算突破呢？

答案 5：

先有理論上的突破性才會有工程技術上的應用。

答案 6：

-語和英語的互譯準確率超過90%，這不知道算不算進展。就目前中文的NLP而言，因為有國內研究機制存在的問題，在十年內取得大的突破比較難。但是，不排除產生自學習功能的算法出現。

答案 7：

從IBM沃森的表現看，進展還是蠻大的吧

答案 8：

我在做，確實很難

答案 9：

Disagree. Se-ntic parsing and knowledge learningwill pus- t-ings to anot-er stage.

下一篇:你是否認同鮑爾默對skype的價值認定？ 下一篇 【方向鍵 ( → )下一篇】

上一篇:你有哪些自認為絕佳的創意但一直沒有機會和能力實現？ 上一篇 【方向鍵 ( ← )上一篇】