فهم زبان های طبیعی[ ۱] به صورت خلاصه NLU یا تفسیر زبان های طبیعی[ ۲] به صورت خلاصه NLI[ ۳] زیرشاخه ای از پردازش زبان های طبیعی در ساخت هوش مصنوعی است؛ که در زمینهٔ درک مطلب در ماشین ها کار می کند. فهم زبان های طبیعی در ردهٔ سخت ترین مسائل هوش مصنوعی دانسته می شود. [ ۴]
از دید تجاری تمایل زیادی به کار در این زمینه وجود دارد. این تمایل از کاربردهای عملی این فناوری ناشی می شود؛ برای نمونه می توان به کاربرد در استدلال خودکار، [ ۵] ترجمه ماشینی، [ ۶] دسته بندی اسناد، جمع آوری خبر، پاسخ به پرسش ها، [ ۷] فعال سازی با کمک صدا، فهرست بندی و تحلیل محتوا در ابعاد بزرگ اشاره کرد.
فرآیند فهم زبان های طبیعی در اصل پس - پردازش یک نوشته است، پس از آنکه الگوریتم های پردازش زبان های طبیعی روی آن نوشته انجام شد ( مانند شناسایی بخش های گوناگون یک سخنرانی ) . NLU معمولاً پس از پردازش زبان های طبیعی ( NLP ) بر روی داده انجام می شود تا معنی و مفهوم تکه های متن را پیدا کند و مثلاً مقصود گوینده را در فرمان های صوتی پیدا کند. معمولاً مورد تحلیل خود توسط ابزارهای تشخیص مانند بازشناسی گفتار به دست می آید. NLU معمولاً ساختاری از مفاهیم ( ontology ) مربوط به محصول مورد نظر دارد تا بتواند با استفاده از آن مقصود نویسنده یا خواننده را پیدا کند.
برنامهٔ دانش آموز یا STUDENT یکی از نخستین تلاش هایی است که برای فهم یک زبان طبیعی توسط رایانه صورت گرفت. این برنامه را دنیل بابرا برای پایان نامه دکتری اش در MIT نوشت. [ ۸] [ ۹] [ ۱۰] [ ۱۱] [ ۱۲] هشت سال پس از او جان مک کارتی نشان داد که چگونه می توان کاری کرد که رایانه زبان جبری را درک کند.
این نوشته برگرفته از سایت ویکی پدیا می باشد، اگر نادرست یا توهین آمیز است، لطفا گزارش دهید: گزارش تخلفاز دید تجاری تمایل زیادی به کار در این زمینه وجود دارد. این تمایل از کاربردهای عملی این فناوری ناشی می شود؛ برای نمونه می توان به کاربرد در استدلال خودکار، [ ۵] ترجمه ماشینی، [ ۶] دسته بندی اسناد، جمع آوری خبر، پاسخ به پرسش ها، [ ۷] فعال سازی با کمک صدا، فهرست بندی و تحلیل محتوا در ابعاد بزرگ اشاره کرد.
فرآیند فهم زبان های طبیعی در اصل پس - پردازش یک نوشته است، پس از آنکه الگوریتم های پردازش زبان های طبیعی روی آن نوشته انجام شد ( مانند شناسایی بخش های گوناگون یک سخنرانی ) . NLU معمولاً پس از پردازش زبان های طبیعی ( NLP ) بر روی داده انجام می شود تا معنی و مفهوم تکه های متن را پیدا کند و مثلاً مقصود گوینده را در فرمان های صوتی پیدا کند. معمولاً مورد تحلیل خود توسط ابزارهای تشخیص مانند بازشناسی گفتار به دست می آید. NLU معمولاً ساختاری از مفاهیم ( ontology ) مربوط به محصول مورد نظر دارد تا بتواند با استفاده از آن مقصود نویسنده یا خواننده را پیدا کند.
برنامهٔ دانش آموز یا STUDENT یکی از نخستین تلاش هایی است که برای فهم یک زبان طبیعی توسط رایانه صورت گرفت. این برنامه را دنیل بابرا برای پایان نامه دکتری اش در MIT نوشت. [ ۸] [ ۹] [ ۱۰] [ ۱۱] [ ۱۲] هشت سال پس از او جان مک کارتی نشان داد که چگونه می توان کاری کرد که رایانه زبان جبری را درک کند.
wiki: فهم زبان های طبیعی