本文主要摘錄自中金研究報告《自然語言處理成為企業(yè)數(shù)字化轉(zhuǎn)型的重要手段》

NLP（Natural Langunge Processing, 自然語言處理）就是用計算機對人類語言進行處理，使得計算機具備人的聽、說、讀、寫能力。該技術(shù)可使機器理解并解釋人類寫作和說話方式，是人工智能最早的應(yīng)用，也是現(xiàn)在關(guān)注度較高的領(lǐng)域。

NLP 技術(shù)大體可以分為自然語言理解（NLU）和自然語言生成（NLG）兩部分，NLU 主要結(jié)合語言學中的音韻學、句法、語義等理論，像人類一樣對自然語言進行理解；NLG 負責將理解后的內(nèi)容以一定結(jié)構(gòu)的文本信息輸出。

按照實現(xiàn)方式不同，可以把 NLP 落地應(yīng)用分為對話機器人（語音語義問答）、閱讀理解、智能搜索和機器翻譯 四種。這四種 NLP 技術(shù)在各行各業(yè)都能解決很多問題。

1. 對話機器人

[ 基本思想 ] 機器通過對自然語言問題的理解，利用NLP技術(shù)找到相應(yīng)的答案，最后以搜索引擎查詢結(jié)果或者語音的形式輸出。

[ 落地場景 ] 按照應(yīng)用范圍的不同，對話機器人可以分為通用型對話機器人與專業(yè)領(lǐng)域?qū)υ挋C器人。

1.1 通用型對話機器人

多用于 閑聊和咨詢?nèi)粘栴} 的場景，該場景下用戶對于通用型對話機器人的問答準確性要求不高，更多關(guān)注體驗和效果。目前搭載通用型對話機器人的主要產(chǎn)品包括：

（1）Siri等手機助手，Cortana、小冰等PC助手

（2）Amazon Alexa、Google Home等智能音箱

由于用戶更重視通用型對話機器人的交互體驗，因此相較于 Siri 等手機助手，搭載語音交互，并且能夠在家居等特定場景完成各種任務(wù)的智能音箱更受到用戶青睞。 近年來，通用性對話機器人呈現(xiàn)出兩個趨勢：一是語音交互體驗逐漸增強（語音合成技術(shù)起重要作用）；二是 NLP 技術(shù)與問答準確性將是影響智能音箱市占率的重要因素。

1.2 專業(yè)領(lǐng)域?qū)υ挋C器人

多用于特定場景、解決特定行業(yè)的問題。相較于通用型對話機器人，用戶端更關(guān)注專業(yè)領(lǐng)域?qū)υ挋C器人問答的準確性，服務(wù)端需要根據(jù)把問答和所處行業(yè)的專業(yè)知識庫、客戶關(guān)系系統(tǒng)、供應(yīng)鏈等其它IT功能相結(jié)合。

專業(yè)領(lǐng)域問答機器人一般采用SaaS形式向B端商家賦能。具體應(yīng)用過程中，智能客服利用自然語言處理技術(shù)對語義進行分析，判斷顧客的意向，再給予相應(yīng)的回復或轉(zhuǎn)人工。相比單一的人工客服，智能客服的優(yōu)勢主要體現(xiàn)在兩方面：一是省成本；二是24小時在線，全天候秒回。目前專業(yè)領(lǐng)域?qū)υ挋C器人主要用于電商、醫(yī)療、金融等行業(yè)的智能客服。

（1）電商領(lǐng)域

• 阿里和樂言合作，推出淘寶客服服務(wù)，把自動問答機器人與人工坐席相結(jié)合，由機器人首先回答一些問題，當碰到無法回答的問題，可以由人工接手。
• 京東推出客服機器人JIMI，通過分析用戶的語義，判斷客戶的情緒，給予更智能、有情感色彩的回復。

（2）醫(yī)療領(lǐng)域

通過智能的人機對話，醫(yī)療機構(gòu)可以使精確導診服務(wù)前置于掛號和就診前，提高醫(yī)療服務(wù)效率，改善患者的就醫(yī)體驗。智能導診幫助解決了三類問題：一是根據(jù)癥狀診斷疾??；二是根據(jù)疾病導診科室；三是直接掛號最匹配的科室大夫。

相比人工導診，智能導診具有全天24小時在線、可以匹配醫(yī)生且精確度更高的優(yōu)勢，能提高醫(yī)患雙方的效率和體驗。

• 2018年，依圖科技聯(lián)合騰訊睿知和廣州市婦女兒童醫(yī)療中心推出“問診熊”問診小程序，可以識別518種婦女兒童醫(yī)療領(lǐng)域的疾病，涵蓋95%以上的領(lǐng)域常見疾病，醫(yī)生推薦準確率達97.3%。

2. 閱讀理解

醫(yī)療、教育、金融、司法等眾多行業(yè)，存在大量的文本信息。很多文字產(chǎn)品篇幅很長，用戶需要從頭到尾讀完之后才能理解內(nèi)容。同時，對長文本的校驗也是非常復雜的工作，需要耗費大量人力反復校驗，卻不能保證準確性。利用NLP技術(shù)，機器可以在輸入文本后完成：

2.1 數(shù)據(jù)結(jié)構(gòu)化

將原本雜亂的文本信息，利用NLP技術(shù)對每段文字進行理解，并按照特定的規(guī)則將原始文本變成結(jié)構(gòu)化、可查詢的數(shù)據(jù)格式，方便用戶使用。

• 典型的代表是AlphaSense（https://www.alpha-sense.com/index.html），一家成立于 2008 年的智能搜索引擎公司。 它從文件、 新聞和研究報告等碎片化信息中集合所有投資信息， 并進行語義分析， 整合相關(guān)概念、主題、行業(yè)等，方便用戶搜索、瀏覽和分析和金融投資相關(guān)的重要數(shù)據(jù)點及整體趨勢。

2.2 校驗審核

[ 概 要 ] 主要應(yīng)用于金融領(lǐng)域，可以極大提升投行/會計審計/銀行的效率和準確性。

[ 行業(yè)痛點 ] 金融行業(yè)文本量大、合規(guī)要求高，文本出現(xiàn)問題后果嚴重。投行的申報材料和基礎(chǔ)底稿、會計師事務(wù)所的審計報告、銀行信貸業(yè)務(wù)的盡調(diào)和審批報告等，對準確度的要求都非常高，然而傳統(tǒng)的人工審核方式需要耗費大量人力，效率低，而且很容易出錯。

[ 解決方案 ] 依據(jù)既定的規(guī)則和要求，機器可以利用NLP技術(shù)自動審核相應(yīng)文本，智能化檢查后快速出具審核報告，批注錯誤并解釋判斷邏輯、提出修正建議。以招股書為例，系統(tǒng)可以實現(xiàn)：

• 財務(wù)檢查：結(jié)合監(jiān)管機構(gòu)的披露指引和財務(wù)勾稽關(guān)系，對IPO文檔中披露的信息進行邏輯監(jiān)控，如各財務(wù)報表的會計科目平衡等。
• 文本信息一致性審核：IPO過程中的申報材料、底稿達上千卷，系統(tǒng)可以實現(xiàn)同一文檔前后文的一致性、多文件文本信息的一致性校驗。
• 其他基礎(chǔ)性檢測：系統(tǒng)可以識別出錯別字、中英文標點符號的錯用、專業(yè)名詞使用不規(guī)范等問題。

例如犀語科技為投行部門開發(fā)的IPO審核系統(tǒng)，提供錯別字識別、第三方對比、多文件一致性檢測、財務(wù)檢查等功能。

2.3 專家系統(tǒng)+醫(yī)療/司法

[ 概 要 ] 主要應(yīng)用于醫(yī)療和司法領(lǐng)域，以輔助醫(yī)生和法官做出判決。

[ 行業(yè)痛點 ] 醫(yī)療和司法場景都存在大量非結(jié)構(gòu)化的文本信息，而且具有很高的專業(yè)性。除此之外，醫(yī)療和司法場景都會不斷出現(xiàn)新的案例，這對從業(yè)人員造成了一定的困惑。

[ 解決方案 ] 由于機器比人類擁有更快的存儲記憶能力，計算機利用NLP技術(shù)，對醫(yī)療/司法行業(yè)的專業(yè)知識、過往案例等進行大量學習，可以輔助醫(yī)生/法官進行疾病和案件的診斷和審判。自然語言處理在智能輔診的典型應(yīng)用過程如下：

• 從病歷、檢驗單、醫(yī)囑等醫(yī)療文本中提取患者的性別年齡、臨床癥狀等關(guān)鍵信息，將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)化成一致、統(tǒng)一的表格等形式的結(jié)構(gòu)化數(shù)據(jù)
• 基于提取出的信息，并且讓機器掌握醫(yī)生具備的醫(yī)療知識，構(gòu)建出顯示各類醫(yī)療信息之間關(guān)系的知識圖譜，比如患者癥狀、藥物、疾病診療等
• 知識圖譜可以根據(jù)患者的癥狀診斷疾病，或者根據(jù)特定的疾病推斷出未來可能出現(xiàn)的癥狀

2.4 輿情分析

[ 概 要 ] 主要應(yīng)用于投資領(lǐng)域，輔助投資人做出投資決策。

[ 行業(yè)痛點 ] 金融資訊信息十分豐富，難以靠人工閱讀并分析所有相關(guān)的資訊，但這類定性數(shù)據(jù)對事件分析、決策輔助、監(jiān)控預警的重要性越來越顯著。利用自然語言處理技術(shù)，可以基于語義對包括公司新聞、市場行情、宏觀經(jīng)濟、政策法規(guī)、社交媒體上的資訊予以抓取和語義分析，監(jiān)控股民、機構(gòu)等對市場的態(tài)度，并通過知識圖譜技術(shù)建立事件之間的關(guān)聯(lián)關(guān)系，可以實現(xiàn)實時監(jiān)控、輔助投資等功能。

[ 解決方案 ] 機器利用 NLP 技術(shù)，對每一條輿情做情感分析，判斷其對股價變動的影響，從而輔助做出投資決策。

• 一家名為kensho（https://www.kensho.com/）的AI公司，其主要產(chǎn)品為warren問答引擎，通過監(jiān)測財報發(fā)布、全球數(shù)據(jù)環(huán)境、經(jīng)濟報告、公司產(chǎn)品發(fā)布、FDA藥品批準等等多方面的信息，建立起事件與資產(chǎn)之間的相關(guān)性，從而預測資產(chǎn)價格走勢。2017年初，該公司成功預測了特朗普當選后， 美元重回漲勢， 以及科技股的反彈。

2.5 智能寫作

[ 概 要 ] 主要應(yīng)用于傳媒領(lǐng)域，輔助媒體人自動寫稿。

[ 行業(yè)痛點 ] 現(xiàn)在互聯(lián)網(wǎng)聚集海量文本，新聞、微博、朋友圈、微信公眾號、頭條號等地方每天會產(chǎn)生大量文章。但很多內(nèi)容作者投入大量精力，實際閱讀量非常少，內(nèi)容投入產(chǎn)出率較低。

[ 解決方案 ] 通過對大量的新聞文本進行語義分析和快速摘要，可以快速形成熱點匯總類、新聞聚合類、事件盤點類的新聞稿件，進行自動寫作和輔助寫作，提升新聞生產(chǎn)效率。

• 今日頭條每天會產(chǎn)生很多新聞，2016 年頭條發(fā)布 “Xiaomingbot” 機器人，經(jīng)過 1 年多時間訓練，“Xiaomingbot”已經(jīng)能夠?qū)戵w育、財經(jīng)、地產(chǎn)等多個行業(yè)的文章，而且文章的閱讀量和記者撰寫的文章非常接近，大大提高了今日頭條的投入產(chǎn)出比。
• 美國的Narrative Science，從結(jié)構(gòu)化數(shù)據(jù)中進行數(shù)據(jù)挖掘，并把結(jié)果用簡短的文字或依據(jù)模板產(chǎn)生報告內(nèi)容。又如Automated Insights，它為美聯(lián)社自動寫出了10億多篇文章與報告。

3. 機器翻譯

主要是使用機器將一種語言的源序列（句子，段落，文檔）翻譯成相應(yīng)的目標序列或另一種語言，細節(jié)后續(xù)補充。

4. 智能搜索

主要是實現(xiàn)語義搜索，細節(jié)后續(xù)補充。