NLP(Natural Language Processing)自然语言处理是数据科学领域的一个非常重要的分支，它包含了，以一种高效的方式去分析，理解并从文本中提取信息等重要过程，终极目标是让计算机拥有自然语言处理交际能力。通过利用NLP及其相关组件，可以将大量的文本数据组织起来，以此来执行大量的自动化任务，并用于各种问题的解决，例如自动摘要，命名实体识别，情感分析，关系提取，语音识别、机器翻译和主题分割等。

NLP自然语言处理和计算机语言学，这两者在本质上是一样的，横跨了计算机科学、语言学、人工智能学科等学科。

一、NLP步骤

1、形态处理：

目的为：分割整个输入的文本，形成各种符号集合。这些符号分别与段落、句子及词汇等一一对应。

例：“uneasy”—>“un-easy”。这里“uneasy”就被分割成两个子词符号“un”和“easy”

2、语法分析：

目的为：a、检查句子，确定句式是否合理;b、把句子分解成一个结构，此结构能够将不同单词之间的句法关系显示出来。

例：“The school goes to the boy”这样的会无法通过句法分析器以及句法解释器。

3、语义分析：

确定输入文本的准确含义，或者找出输入文本在字典中的意思。目的为，检查文本是否有意义。

例：“Hot ice-cream”无法通过语义分析器。

4、语用分析：

语用分析简单地拟合实际的对象/事件，这些对象/事件存在于给定的上下文中，其中对象引用是在最后阶段(语义分析)获得的。

例如：“Put the banana in the basket on the shelf”这句话可以有两种语义解释：a把篮子里的香蕉放到书架上;b把香蕉放到书架上的篮子里。语用分析器能够结合上下文在这两种解释之间做出选择。

二. NLP的基本方法

1.基于规则的方法

研究人员，例如如语言学家，通过语言规律的总结，从而形成规则形态的知识库;

研制语言处理算法，并利用这些规则处理自然语言;

结合处理结构，进行规则调整，优化处理效果。

存在的问题：并不能总结出所有规则

2.基于统计的方法

建立能够反应语言使用状况的语料库;

研究人员对自然语言进行统计建模;

利用统计技术或者机器学习技术，借助语料库来进行语言模型的训练;

根据所得到的模型，设计相应算法对语言进行处理;

根据处理效果，优化模型，提高处理能力。

存在的问题：数据稀疏问题也就是长尾效应