1. 語言學
語言學是語言的科學研究。它不僅僅適用於人工智能，許多語言學家分析影響語言的社會，文化，歷史和政治因素以及不同群體如何使用它。主要有語義和語法兩個分支，語義-研究單詞或句子的分支，語法--研究句子的結構及其構成。
語言是確定的，因為他總是具有相同的組件，這就是為什麼語言技術對客戶體驗特別有用的原因，因為他們可以學習像人類一樣理解語言，通過在句子的上下文而不是僅僅關鍵詞。
2.機器學習
機器學習是一種設備無需明確編程即可學習的方法。從本質上來講，它意味著系統能夠根據自己的經驗進行自學。然而，“訓練”機器學習系統需要大量的數據，並且這種系統可能需要很長的時間才能改進和發展。本質上來講是一種創建人工智能的統計方法，隨著系統的發展，答案會隨著時間的推移而變化。
3.自然語言處理
與機器學習相比，自然語言處理採用確定性方法。這意味著始終從給定的起始點獲得相同的輸出，可以根據用戶請求理解得到相同的答案。顧名思義，MLP是基於語言學，應用人工智能來理解輸入，然後提供最佳答案。無論採用機器學習還是自然語言處理技術都取決於實現目標。在用戶體驗方面，NLP可以提供最佳結果，根據消費者使用的語言理解該問題，並搜素知識庫以對該單個問題提供最佳體驗。
4.語義技術
語義分析指運用各種方法，學習與理解一段文本所表示的語義內容，任何對語言的理解都可以歸為語義分析的範疇。一段文本通常由詞、句子和段落來構成，根據理解對象的語言單位不同，語義分析又可進一步分解為詞彙級語義分析、句子級語義分析以及篇章級語義分析。
一般來說，詞彙級語義分析關注的是如何獲取或區別單詞的語義，句子級語義分析則試圖分析整個句子所表達的語義，而篇章語義分析旨在研究自然語言文本的內在結構並理解文本單元（可以是句子從句或段落）間的語義關係。簡單地講，語義分析的目標就是通過建立有效的模型和系統，實現在各個語言單位（包括詞彙、句子和篇章等）的自動語義分析，從而實現理解整個文本表達的真實語義。
文章來源:www.xixi.ai(息息人工智能)
閱讀更多 輕雨科技 的文章
