Natural Language Processing Introduzione: cos'è il Natural Language Processing (NLP)?

Cos'è l'elaborazione del linguaggio naturale (NLP)?

L'elaborazione del linguaggio naturale è un sottocampo della linguistica, dell'informatica e dell'intelligenza artificiale. È l'elaborazione del linguaggio, delle parole e del discorso, da parte di un computer.

Si tratta di sviluppare interazioni tra i computer e il linguaggio umano, e soprattutto di come programmare i computer per elaborare e analizzare grandi quantità di dati in linguaggio naturale.

Non fare l'errore: Il Natural Language Processing non è solo linguistica! La linguistica mira a comprendere le lingue straniere attraverso i software.

L'elaborazione del linguaggio naturale si basa su regole. Ma le regole non sono sufficienti: anche il contesto è molto importante. Quando un amico ti dice « What a wonderful spring! », è la stagione o l'acqua? Ecco un altro esempio: « I go to the bank. ». Si tratta di camminare lungo la riva del fiume o di portare soldi alla banca?

Quindi il Natural Language Processing ha bisogno di molte regole e dizionari.

A cosa serve l'elaborazione del linguaggio naturale?

Grazie al Natural Language Processing, una macchina può "capire" il contenuto dei documenti, comprese le sfumature contestuali del della lingua al loro interno. Una macchina può anche estrarre informazioni e intuizioni contenute nei documenti così come categorizzare e organizzare i documenti stessi.

Le sfide nell'elaborazione del linguaggio naturale riguardano spesso il riconoscimento vocale, la comprensione del linguaggio naturale comprensione (NLU) e la generazione di linguaggio naturale (NLG).

Perché è interessante l'elaborazione del linguaggio naturale?

Il mondo è pieno di dati non strutturati (cioè dati che non sono formattati per le macchine): ammonta al 70-90% dei dati digitali. Il Natural Language Processing è un ottimo modo per elaborare questi enormi volumi di dati.

Per le aziende, il Natural Language Processing è un modo per conoscere i loro clienti in modo automatizzato e per creare nuove opportunità (migliore conoscenza, migliore targeting, ...).

Casi d'uso dell'elaborazione del linguaggio naturale

Ecco alcuni tipici casi d'uso di Natural Language Processing:

• • Analisi del sentimento: come amministratore delegato vuoi misurare automaticamente la felicità dei tuoi clienti analizzando i loro messaggi
• • Classificazione del testo: sapere automaticamente di cosa parla un testo
• • Riconoscimento vocale: convertire l'audio in testo per un'ulteriore elaborazione
• • Chatbots: fornire un supporto clienti 24/7/365
• • Traduzione automatica: raggiungere nuovi mercati in altre lingue con un investimento minimo
• • Completamento automatico del testo: simile a quello che fa Gmail per aiutarvi ad aumentare l'efficienza dei vostri dipendenti attraverso una base di conoscenza centralizzata, o per migliorare il modo in cui i vostri clienti interagiscono con il vostro prodotto o sito web
• • Controllo ortografico: assicurandosi che i documenti non contengano errori. Particolarmente rilevante in settori con alti requisiti di conformità come quello bancario, assicurativo e finanziario.
• • Ricerca per parola chiave: localizzare più velocemente le informazioni rilevanti in tutte le strutture di dati, portando ad una maggiore efficienza
• • Corrispondenza della pubblicità
• • Estrazione di entità: estrarre informazioni da grandi volumi di dati non strutturati
• • Rilevamento dello spam:
• • Generazione di testo: creare automaticamente nuovi testi, ad esempio contratti con i clienti, documenti di ricerca, materiali di formazione e così via
• • Riassunto automatico: aggiungere riassunti a documenti esistenti
• • Risposte alle domande: rispondere a domande specifiche basate su fonti di informazione disparate
• • Didascalia dell'immagine: annotare le immagini
• • Didascalie video: I video possono richiedere molto tempo per essere guardati. A volte è più veloce estrarre informazioni da essi sotto forma di testo e poi elaborarle ulteriormente utilizzando altre tecniche di Natural Language Processing come il riassunto.

L'elaborazione del linguaggio naturale non è una novità!

Durante la seconda guerra mondiale, Alan Turing creò una macchina per capire i messaggi in codice inviati dai nazisti, chiamata la macchina di Turing.

Più tardi, l'esperimento Georgetown-IBM fu una dimostrazione influente della traduzione automatica, che fu eseguita durante il 7 gennaio 1954. Sviluppato congiuntamente dall'Università di Georgetown e IBM, l'esperimento prevedeva la traduzione completamente automatica di più di sessanta frasi russe in inglese. Aveva solo sei regole grammaticali e 250 voci lessicali nel suo vocabolario.

Un'altra interessante pietra miliare fu il software ELIZA, sviluppato nel 1966 dal MIT Artificial Intelligence Laboratory da Joseph Weizenbaum. Lo script più famoso, DOCTOR, simulava uno psicoterapeuta e usava regole, dettate nello script, per rispondere con domande non direzionali agli input dell'utente. Come tale, ELIZA fu uno dei primi chatbot e uno dei primi programmi capaci di tentare il test di Turing.

Conclusione

In questo post, hai scoperto cos'è l'elaborazione del linguaggio naturale e come può essere usato nella vita reale. Molte sfide esistono ancora, ma grandi progressi sono stati fatti negli ultimi anni nel campo del Natural Language Processing. Oggi, la maturità del Natural Language Processing incoraggia sempre più aziende a sfruttare il Natural Language Processing nel loro prodotto o nella loro organizzazione interna.

Sylvie Krupsky
CMO a NLP Cloud