# 機器懂人類的語言！？探索不同解法的自然語言處理( NLP )

這次了解到自然語言處理是怎麼運作的，還有就是比起以往人工制定的規則和深度學習的差別，對於老師和iot team在做的事比較了解了。

人工訂定規則 vs. 深度學習方法
人工：規則衝突問題、維護成本高
深度：需要大量資料、沒有明確規則

NLP 類神經網路模型
基於類神經網路的深度學習模型:
Word2vec: 通過學習文本的用詞方式來表示詞的語義信息
詞向量 (Word embedding)，將詞轉換為可訓練的向量

Attention
透過 attention 機制，模型可以更容易理解兩個句子之間詞與詞的關聯，因此在翻譯任務中，即使兩個語言的詞彙順序不同，模型也能找到相對應的關係。

什麼叫「專家」?專家看得出「眉角」!
1.在素人的眼裡,一切都是隨機而混亂的
2.因此需要大量的經驗和被指正錯誤來學習
3.在專家的眼裡,一切都是有結構、有條理可循
4.只要小量資料,就能見招拆招,一一破解

事實求是,NLP AI 應用到底怎麼落地?
1.用對 NLP 工具,找對領域專家
2.使用領域資料 (而非通用型的大數據集)
3.針對業務應用目標,打造 Hybrid 系統