machine-learning - 如何继续进行NLP任务以识别意图和位置

我想编写一个程序来询问有关天气的问题。我应该开始研究什么算法和技术。

例如:这个周末在芝加哥会晴天吗？
我想知道意图 =天气查询，日期 =这个周末，位置 =芝加哥。

用户可以以多种形式表达相同的查询。

我想解决一些约束形式，并寻找有关入门的想法。解决方案必须足够好。

最佳答案

由于您的输入采用自然语言形式，因此最好首先通过分析句子结构来开始研究它。并通过NER(命名实体识别器)运行该句子。

解析句子可以使您想到一些规则，例如，某些类型的依存关系总会给您带来意图。运行NER将使您能够确定地点和日期。如果想出一些规则来对意图进行分类不是很简单，那么您也可以使用分类器来完成从输入句子中提取的特征 vector 。实际上，输出的某些解析器可以用于制定特征 vector 。

两者都存在Stanford NLP Group的软件

也许您可以调查一下:

Stanford parser

Stanford NER Tagger

解析句子后，您就有意图和其他信息来回答问题。

例:我听了你的话:“这个周末芝加哥会晴天吗？”并通过Online Stanford NER Tagger运行它。这给了我以下几点:

Will it be sunny this <DATE>weekend</DATE> in <LOCATION>Chicago</LOCATION>

现在，您已经确定了日期和位置。

我希望这有帮助。我知道答案很笼统，可能对入门非常有帮助。

关于machine-learning - 如何继续进行NLP任务以识别意图和位置，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/11624672/