Machine learning 为什么NLP过程被认为是语言相关的？

为什么NLP过程被认为是语言相关的

例如，这里： 在幻灯片6中，its说：“自然语言处理方法通常是专门为一种语言设计的”

---

为什么会这样？我认为，一旦使用机器学习实现了该方法，算法是相同的，您所需要的只是不同的训练集…

在启发式的情况下，这些通常与问题和语言有关。在机器学习的情况下，是的，在抽象的理论意义上，“唯一”的区别是训练集。各种语言的训练集的可用性是第一个问题。然后是可以从训练集中删减的有用特征的数量，用于改进机器学习的启发式方法和知识源的可用性，使学习成功所需的超参数，等等

---

作为一个例子，考虑命名实体识别（NER）问题。在英语数据中，“单词大写”这一特征几乎可以用来识别名字，但在德语中，每个名词都大写。结果是德语的NER问题与英语的NER问题完全不同。

谢谢@larsmans。我正在寻找有关情绪分析的资料，我知道不同语言有不同的情绪分析机器。你是说所有的区别都在启发式中吗？难道没有很多启发式和算法在某些语言中是有意义的，但在其他语言中是没有意义的吗？例如，在英语中，我可以根据句子中的词序进行一些处理，例如，区分“John likes Mary”和“Mary likes John”，而在拉丁语中，词序并不重要，但名称的大小写会很重要。不是一种语言的每一种方法都适用于另一种语言。是的，但这听起来像是“唯一”的启发式，而且算法的核心保持不变。。。？