关于自然语言理解的一些理解_可思数据-人工智能媒体资讯平台！

关于自然语言理解的一些理解

1)自然语言不仅仅应当看做简单的数据，它更应当看作是"人脑"这台机器的“程序”；（当下的很多方法忽略了语言的控制功能只看到了信息承载功能）
2)机器是靠着编译器解释执行程序的，自然语言是是否也存在着翻译过程，而后是理解与执行过程呢
3)程序与机器结构是一体的，自然语言是否也无法脱离人脑结构？

自然语言理解的过程:

语言--》通过已有的知识体系与偏好进行翻译--》根据对应的信息进行运算--》得出最终信息

因此自然语言理解的特点:
1)非唯一性，与不同的人不同的时间不同的地点不同的文化不同的背景有关
2)相似性，由于人类处在相似的世界，因此同一句话最终产生的信息具有相似性

构建机器理解自然语言的关键点：
1)构建合适的人类的世界的背景知识
2)构建相似的语言信息执行单元
3)如何对语言进行翻译
4)如何对翻译后的数据进行处理，（换句话说就是那些是数据背景，那些是动作控制，通过控制信息决定如何补充，关联，加工数据信息）

1-2是数据积累
3-4是算法功能
自然语言理解既需要数据积累也需要算法改进

当下的LSTM这些神经网络对自然语言的处理，只能算是"在某个简单模式下的语言加工过程"而已，虽说LSTM也引入了门，也引入了embeding信息，但是门仅仅是简单的根据当前已有的信息决定的，而embeding更算不上是对现实世界的精确量化。因此lstm只能算是对人脑理解语言过程的拙劣模仿，

我们需要更加完备的基于广泛信息（各种多媒体）以及之间的关联构建的embeding，而且是同一个空间下的
我们需要各种基本的信息加工能力以充当执行单元，如联想，调用，加工等
我们同样需要一个完整的信息处理框架来整合这些资源。

改进的形式更可能是广义的神经图灵机NTM.
1.改进embeding数据或过程，不在只是简单的映射
2.改进读写控制器，使得读写控制器能根据不同的信息自由的切换不同的控制单元

换句话说，我们储备了一堆embeding或者一堆embeding映射网络(解决歧义问题)

Controls={embeding_maps,联想control,功能controls，........}
主结构,NTM

eg."孕妇能吃螃蟹吗？"的理解过程.
1.根据已有经验embeding_maps过程对这句话进行，进行信息编码与映射
2.处理单元，调用执行网络或者关联网络或者联想网络进行信息加工
3.返回结果。

如果执行的是搜索能力网络，人脑就启用控制人去搜寻有关信息，如问别人或者搜索引擎，返回答案
如果执行的是关联网络，可能之前有存储相关信息，我们直接告诉答案
如果执行的是推理网络，我们会根据也有的信息，进行推理告诉答案
如果执行的是默认网络，则我们会根据心情处理信息，告诉答案
如果执行的是其他网络，我们可能会采取其他方式回答。

可以看出不同的经验的人，对这句话的首先embeding1就会不同，而后是在不同的状况下采取的控制器网络也不同，
也因而回答的结果就不同，这就造成了以下各种千奇百怪的回答:

===================================================================================
还是少吃为好,偶尔吃些没事的,螃蟹属海鲜类凉性食物
如果最好是不要吃螃蟹甲鱼之类的海鲜,因为这些都是比较寒性的,可能会对胎儿不利的,
宝妈你好、螃蟹是性寒之物、还是慎吃吧
我特别喜欢吃螃蟹,今年一个都没有吃,为了宝宝忍忍吧
吃一个不要紧不能吃脚的部分我连续吃了三天也没事不要多吃其实什么都能吃
孕妇应慎吃螃蟹。孕妇慎吃螃蟹的原因
你好,螃蟹是活血化淤的,习惯性流产的孕妇是不宜吃的,怀孕早期也尽量不要吃
这个最好是到了孕后期的时候适当吃一点没事的
蟹是滑胎圣品。
亲爱的,小宝宝最好是不要吃螃蟹,螃蟹是寒性的食物,小宝宝现在的肠胃还没有完全发育好,还是等宝宝在大
因为螃蟹有活血化淤的功效,可能使胎气不安,起到动胎作用,也很有可能导致流产,因此孕期不能吃螃蟹。
螃蟹属于寒性强的食物,孕妇使用寒性大的食物容易流产的,尤其是螃蟹腿,而且螃蟹容易引起过敏,所以不适
我怀孕时,有经验的妈妈叫我一定不要吃螃蟹,说吃了的话容易流产,并且还说海鲜类的东西也要少吃,其实我
头三个月我没吃,6个月的时候吃了点。都说是凉性的东西,容易滑胎,我感觉跟个人的体质有关系,还是谨慎吧
准妈妈不要吃蟹呀,吃蟹容易流产!