人工智能三大應(yīng)用方向：CV，NLP和數(shù)據(jù)挖掘，NLP不論從理論上，還是應(yīng)用的廣泛度上都具有重要的地位，在目前AI飛速發(fā)展，機器人技術(shù)不斷進(jìn)步的今天，到處都會看到語音識別，智能語音交互，機器人問答等語音應(yīng)用，這部分的理論基礎(chǔ)就是NLP（自然語言處理）。

自然語言處理作為AI的一大分支，和計算機視覺方向一樣，也得益于大數(shù)據(jù)和芯片計算能力的突破性發(fā)展，更多的訓(xùn)練樣本和更快的計算速度，使得深度學(xué)習(xí)能夠把語音識別的準(zhǔn)確率提高到非常接近人類識別能力的水平，飛快的推進(jìn)了NLP的實際應(yīng)用的普及，從而推動NLP理論和算法的進(jìn)一步研究和開發(fā)。

說清楚NLP的技術(shù)脈絡(luò)和學(xué)習(xí)路徑，其實并不復(fù)雜，簡單梳理下就是如下思路：

數(shù)字信號處理=》語音信號處理=》語音識別與合成=》自然語言處理=》自然語言處理實用框架（Python和深度學(xué)習(xí)）=》預(yù)訓(xùn)練模型=》文本挖掘=》NLP項目實戰(zhàn)。

1. 數(shù)字信號處理：

之所以要從信號處理入手，在于自然語言的理解當(dāng)然要基于對于語言的輸入進(jìn)行處理，CV主要處理視頻和圖像信號，而語音和文本的信號處理，則需要歸類于自然語言理解的范疇。

2. 語音信號處理：

語音部分是自然語言處理的主要場景，所以需要先針對語音信號進(jìn)行處理，包括規(guī)整，濾波，消除噪音等技術(shù)。

3. 語音識別與合成：

語音識別和語音合成是兩個話題，但經(jīng)常會合在一起提及，語音識別主要用來通過對音頻的輸入的信號分析，包括頻率，音色等特征，來識別出語音的特質(zhì)模型來，一方面可以識別出其中說的是啥內(nèi)容，一方面可以識別是誰說的，都是可以利用統(tǒng)計學(xué)習(xí)，機器學(xué)習(xí)的技術(shù)方法通過模型分析和學(xué)習(xí)訓(xùn)練達(dá)到識別的效果。

語音合成則是另一個方向，就是如何把機器需要表達(dá)的內(nèi)容合成人聲，如何更接近于人的表達(dá)習(xí)慣和說話方式，這在與機器與人交互方面意義重大。

4. 自然語言處理（NLP）

這是個廣義的概念，包括了從語音，文本的識別處理，分詞分句，語義的分析和理解，語言模型的建立，語言的合成等各個方面的技術(shù)，所有跟語言相關(guān)的都可以歸類于NLP技術(shù)。所以這個是本部分學(xué)習(xí)的重點部分。

5. NLP框架

有理論和算法，還需要學(xué)習(xí)如何實踐和實際應(yīng)用，目前主流的語言工具是Python，用到比較多，框架也包括深度學(xué)習(xí)等在NLP領(lǐng)域的應(yīng)用。

6. 預(yù)訓(xùn)練模型

預(yù)訓(xùn)練模型是近年來由于BERT模型的出現(xiàn)而形成的革命性的語言處理方式，在BERT之后又衍生出很多預(yù)訓(xùn)練模型，需要專門研究下。

7. 文本挖掘

之前重點在于語音信號的處理，也就是音頻數(shù)據(jù)，對于另一類語言載體，文本數(shù)據(jù)如何處理，識別，理解，語義分析等，是這部分專題要涉及的話題

8. NLP項目實戰(zhàn)

掌握了理論和工具后，可以進(jìn)一步通過學(xué)習(xí)掌握如何實戰(zhàn)，如何實際開發(fā)項目了。

接下來的文章里會根據(jù)上面的學(xué)習(xí)途徑，逐一介紹和推薦經(jīng)典學(xué)習(xí)的書單和教程書籍，大家也可以在了解完整體系框架的基礎(chǔ)上，自己通過關(guān)鍵詞搜索經(jīng)典書籍買來學(xué)習(xí)。

未完待續(xù)。。。