自然语言处理算法

Question

我计划用NLP开发一个自然语言问题系统。 关于nla系统的可能算法已经进行了文献研究。在

最终用户在完成工具后，应该能够向系统提出问题，然后系统将以图表的形式给出答案。在

此外，回答部分已经完成。编程将在Python中使用PyNLPl库进行。在

主工具已经可以执行数学运算并总结这些运算的结果。用户应该能够提出以下问题：

• “一月雨天的销售情况如何？”在
• “多少钱。。。在整个欧洲”

这个问题不是主观的，正如我之前提到的，我是做文学研究的。 我对我发现的算法列表做了适当的选择。我决定：

• 发布、分块、命名实体提取
• 解析
• 主题建模和关键词提取。在

每个要点的算法是：

• 条件随机场-隐马尔可夫模型
• CKY算法-Earley算法
• 延迟Dirichlet分配

此外，问题中应提及的变量并非独立变量。naivebayes在这种情况下也适用吗？ 所选择的算法，应优于其他算法，并达到最佳拟合。在

Answer 1

我读了又读，几乎找到了所有问题的答案。 我坚持使用早期算法，因为它提供了一种动态编程方法（CKY也这么做）。 这两种算法都是图表解析算法。在

Earley是一种上下文无关、自顶向下的解析算法。这使得它成为一个目标驱动的算法。从开始符号向下。此外，它比CKY算法更有效。 对比幻灯片和说明： https://www.cs.bgu.ac.il/~michaluz/seminar/CKY1.pdf

注意：Earley和CKY解析算法只会产生一个解析树，没有任何东西可以做。 然而，使用shift-reduce依赖分析算法，除了对句子结构进行句法分析和标定外，还可以将这些依赖关系用于问题中的关系抽取。为了真正理解这个问题。在