Machine learning 机器学习可以用于自然语言理解吗

这是基于我以前的经验。我能用机器学习算法帮助我理解句子吗

（我将使用我在上一个问题中使用的一个密切相关的示例）。例如，我希望我的算法/代码根据用户所说的内容启动一个程序。例如，如果他说“打开程序”，那么算法应该这样做。然而，如果用户说“打开汽车”，计算机显然不应该打开程序。（但是计算机怎么知道呢？）我确信有数百种不同的方式来说“启动”或“打开程序”。我想问的是，计算机如何区分“程序”和“汽车”？算法如何知道在第一句话中，它必须启动程序，但在第二句话中却不能算法有没有办法知道句子在说什么

我可以使用一个无监督的学习算法吗，也就是说，一个可以学习句子内容的算法

---

感谢

自然语言理解是一个非常困难的问题，许多研究人员正在研究它。首先，基本的自然语言理解系统是以规则为基础的。您手动写下将与输入匹配的规则，如果找到匹配项，则触发相应的操作。因此，您可以限制输入的格式，并制定规则，同时尽可能保持其通用性。例如，不匹配确切的语句“打开程序”，您可以有如下规则：除非命令中出现“程序”一词，否则不要启动程序，或者忽略每个句子，除非其中包含“程序”。然后，结合你的规则来发展更复杂的“理解”。如何编写/表示规则是另一个难题。可以从正则表达式开始

关于“开始”的各种表达方式，你将看到“开始”的同义词，例如“开始”。这可以从同义词表中获得，这类任务的常用资源是

---

你需要弄清楚你到底想从句子中提取什么信息。大多数自然语言技术都是特定于任务的，没有通用的一刀切的自然语言理解工具。

没有足够的信息输入，任何机器学习算法都无法学习。如果有足够的关于汽车和程序的信息，那么学习算法可以区分它们。机器学习将具有相似属性的事物分组，如果事物具有不同的属性，则将它们分成不同的组。

最后一段尤其正确。任何声称拥有非特定领域的高精度NLP的人都可能有点歪曲事实。那会帮我把事情弄清楚的。我将如何编写这些规则？我正在使用斯坦福大学的NLPAPI。我会在名称实体识别器之类的东西中编写这些规则吗？我建议在标记化（甚至可能是词干/小写）输出上使用普通正则表达式。在Java中，可以使用和类将输入与正则表达式匹配。然后，规则就是

if-else

语句。e、 g.

if（input.matches（regex））