
NLU 可能听起来只是人工智能生态系统中的另一个缩写,但它对于让人工智能理解我们的真正意思是不可或缺的。
Siri 如何分辨你是在问路还是在放歌?
人工智能聊天机器人 如何区分产品问题和支持请求?
让我们来分析一下 NLU 是如何工作的,以及为什么它对更智能的人工智能交互是必要的。
什么是北大西洋公约组织?
自然语言理解(NLU)是 自然语言处理(NLP) 的一个子集,使机器能够解释和理解人类语言。
NLU 用于 人工智能聊天机器人 、 虚拟助手 和情感分析工具。它能让机器准确解读用户意图--无论是文字还是语音--从而采取适当的后续行动。
北大西洋公约组织(NLU)被认为是人工智能难题(也称为人工智能完备问题),这意味着它们需要人工智能才能解决。没有人工智能(AI),北大西洋公约组织(NLU)是不可能解决的。
北大西洋公约组织如何运作?

NLU 可分解人类语言,解读其含义和意图。下面将逐步介绍其工作原理:
- 文本经过预处理,以去除不必要的元素(如标点符号和停顿词)。
- 该系统可从文本中识别实体、关键词和短语等关键要素。
- 它通过分析句子结构来理解词语和概念之间的关系。
- 北大西洋公约组织模型将识别到的元素映射到具体的意图或目标上。
- NLU 引擎会 根据上下文和用户交互历史完善其理解能力。
- 系统提供结构化输出,可触发适当的行动或反应。
真实案例

让我们举例说明。
帕特里克在工作中使用了一个 人工智能代理 ,该 代理 集成了他所有的主要应用程序,包括他的日历。
帕特里克向他的人工智能代理打字:"安排明天下午 1 点或类似时间与安琪会面。两周后安排一次跟进。"
他的人工智能代理会
- 确定意图:代理确定 Patrick 想要安排一次会面
- 提取关键实体:代理确定 Patrick 说的是联系人 "Anqi"、时间 "下午 1 点 "和日期 "明天"。
- 语句分析:代理确定行动项目是 "日程安排",应该用安琪完成,时间和日期应该是明天下午 1 点。
- 语境理解:代理会检查 Patrick 和 Anqi 的日历,确保他们都有空。如果明天下午 1 点没有空,它就会按照要求提出一个类似的时间。
- 最后行动:代理人向 Patrick 和 Anqi 发送日历邀请,安排会议和后续行动。
北大西洋公约组织(NLU)在现实世界中的应用

在日常生活中,您很可能会遇到无语言障碍环境,而且往往是在不知不觉中。以下是现实世界中最常见的一些应用:
语音助手
Siri、Alexa 和 Google Assistant 等语音助手依靠 NLU 来理解您口语命令背后的意图。
例如,当你说:"为我下午 2 点的美甲预约设置一个提醒 "时,助手会分解你的句子,识别意图(设置提醒)并提取实体(美甲预约、明天、下午 2 点)。
NLU 使这些助理能够理解口头请求,并采取正确的后续行动。
客户服务聊天机器人
当您与 客户支持聊天机器人 互动并输入 "我的包裹在哪里?"时,机器人会使用 NLU 来判断您的意图是查看快递状态。
它提取必要的实体--您的订单信息--并提供正确的更新。NLU 能够理解并响应客户的各种询问,是现代客户服务自动化的重要组成部分。
电子邮件分类和自动化
电子邮件自动化系统背后也有 NLU 的身影。例如,由 NLU 驱动的工具可以读取收到的电子邮件,理解其内容,并自动将其分为 "紧急"、"促销 "或 "会议 "等类别。
这些系统甚至可以根据电子邮件的内容生成适当的回复,从而节省企业管理通信的时间。
用于反馈和调查的文本分析
公司通常使用 NLU 来分析调查、评论和社交媒体帖子中的反馈。
NLU 可帮助识别书面语言中的模式和情感,从而了解客户的需求和意见。
例如,NLU 系统可以扫描数百条客户评论,并通过情感分析判断大多数用户对特定功能的评价是正面还是负面。
主要组成部分

令牌化
标记化是将句子分解成更小的单位(如单词或短语),使人工智能更容易处理的过程。
例如 将 "安排明天下午 3 点开会 "标记为 ["Schedule," "a," "meeting," "for," "3 PM," "tomorrow" ]。
语音部分(POS)标记
POS 标记通过将每个词标记为名词、动词、形容词等来识别句子的语法结构。
例如 在 "安排会议 "中,人工智能将 "安排 "标记为动词,将 "会议 "标记为名词。
命名实体识别(NER)
命名实体识别(NER)可检测文本中的姓名、地点和日期等重要实体并对其进行分类。
例如 在 "预订下周五飞往纽约的机票 "中,人工智能将 "纽约 "作为一个地点,将 "下周五 "作为一个日期。
意图分类
意图分类可确定用户输入背后的基本目标或目的。
例如 "预订双人桌 "被归类为预订意图。
依赖关系解析
从属解析分析单词之间的关系,以了解句子的语法结构。
例如 在 "将报告发送给玛丽亚 "中,人工智能确定 "玛丽亚 "是报告的收件人。
背景分析
情境分析利用周围的对话或之前的互动来确保回复的相关性和准确性。
举个例子 :如果用户之前询问过某个特定项目,那么人工智能可能会根据这一背景调整未来的回复。
构建自定义 NLU 代理
随着人工智能技术的飞速发展,任何人都可以建立一个具有 NLU 功能的人工智能代理。
Botpress 是一个专为企业打造的可无限扩展的机器人构建平台。我们的stack 允许开发人员为任何用例构建聊天机器人和人工智能代理。
有了我们的免费层级、广泛的教程,以及... Botpress Academy .
今天就开始建设。 它是免费的。