自然语言理解语义分析

引用《统计自然语言处理基础》中的两句话来解答这个问题：

•语义可以分成两部分：研究单个词的语义（即词义）以及单个词的含义是怎么联合起来组成句子（或者更大的单位）的含义

•语义研究的是：词语的含义、结构和说话的方式。

以上是书本中的定义，语义分析是一个非常宽泛的概念，任何对语言的理解都可以归纳为语义分析的范畴，笼统地谈语义是一个非常宽泛的概念。所以应该结合具体任务来看看什么是语义分析，以及语义分析的结果是什么。

从分析粒度上可以分成：词语级的语义分析，句子级的语义分析，以及篇章级别的语义分析。词语级的语义分析

词语级别的语义分析的主要研究词语的含义，常见的任务有：词语消歧、词表示、同义词或上下位词的挖掘。

•词语消歧：一词多义是许多语言的固有属性。以“苹果”为例，可以指水果，又可以指美国的科技公司。词语消歧的任务是判断文中出现的词语是属于哪种意思。

•词表示：深度学习兴起后，掀起了一波对词表示的研究浪潮。词表示的任务是用一个k维的向量表示一个词，并且该向量中包含着词语的意思。比较有代表性的工作是Tomas

Mikolov的Word2Vec，该方法训练得到的词向量能够让语义相关的词具有相似的词向量，并且词向量间还具有逻辑推算能力。

•同义词和上下位词的挖掘：语言的多样性导致了多词义一，例如房子的近义词有房屋、房产。语言的层次性导致了词语间具有上下位关系，像房产、存款、股票可归纳为财产。可以使用一些机器学习的方法挖掘词语间的这种关系。

句子级的语义分析

句子级别的任务就更多了，常见的任务有：语义角色标注、蕴含分析、句子表示、语义依存分析。

•语义角色标注(Semantic Role

Labeling, SRL) 是一种浅层的语义分析技术，标注句子中某些短语为给定谓词的论元(语义角色) ，如施事、受事、时间和地点等。其能够对问答系统、信息抽取和机器翻译等应用产生推动作用。

•文本蕴涵(Textual entailment)是指两个文本片段有指向关系。当认为一个文本片段真实时，可以推断出另一个文本片断的真实性。完成这样。完成这样的任务，也需要从语义角度出发进行解决。

•句子表示：同词表示类似，句表示研究的是用一个k维的向量表示一句话的含义。

近几年，常用句向量在文本检索、问答系统中计算文档间的相似度。

•语义依存分析(Semantic

Dependency Parsing, SDP)，分析句子各个语言单位之间的语义关联，并将语义关联以依存结构呈现。语义依存分析目标是跨越句子表层句法结构的束缚，直接获取深层的语义信息。比较有代表性的工作是哈工大刘挺老师实验室的LTP。

篇章级的语义分析

篇章级的语义分析是句子级研究的延伸，常见的任务是指代消解。

•人称代词(Pronoun)

【李明】怕高妈妈一人呆在家里寂寞，【他】便将家里的电视搬了过来。

•指示代词(Demonstrative)

【很多人都想创造一个美好的世界留给孩子】，【这】可以理解，但不完全正确•有定描述(Definite Description)

【贸易制裁】似乎成了【美国政府在对华关系中惯用的大棒】。然而，这【大棒】果真如美国政府所希望的那样灵验吗?

江苏联著实业股份有限公司（Inforcreation Co.,Ltd.）是一家以人工智能认知智能技术为基础的文化科技创新企业，以中文自然语言理解为研究基础，以语义工程为核心技术，突破机器理解瓶颈，打造机器智力定制平台，应用于基于机器智能的智能搜索引擎、基于要素分析的各种质控或风控系统、以及基于趋势分析的各种预测性应用等各类场景。推动认知智能产业的创新发展与转化落地。目前各类产品与服务已覆盖全国29个省（直辖市、自治区）