一、什么是自然語言處理

自然語言處理（Natural Language Processing，簡稱NLP）就是用計算機來處理、理解以及運用人類語言(如中文、英文等)，它屬于人工智能的一個分支，是計算機科學與語言學的交叉學科。由于自然語言是人類區(qū)別于其他動物的根本標志，沒有語言，人類的思維也就無從談起，所以NLP體現(xiàn)了人工智能的最高任務(wù)與境界。也就是說，只有當計算機具備了處理自然語言的能力時，機器才算實現(xiàn)了真正的智能。

從技術(shù)角度看，NLP包括序列標注、分類任務(wù)、句子關(guān)系判斷和生成式任務(wù)等。從應(yīng)用角度看，NLP具有廣泛的應(yīng)用場景，例如：機器翻譯、信息檢索、信息抽取與過濾、文本分類與聚類、輿情分析和觀點挖掘等等。它涉及與語言處理相關(guān)的數(shù)據(jù)挖掘、機器學習、知識獲取、知識工程、人工智能研究和與語言計算相關(guān)的語言學研究等。

NLP的興起與機器翻譯這一具體任務(wù)有著密切聯(lián)系?！叭斯ぶ悄堋北蛔鳛橐粋€研究問題正式提出來的時候，創(chuàng)始人把計算機國際象棋和機器翻譯作為兩個標志性的任務(wù)，認為只要國際象棋系統(tǒng)能夠打敗人類世界冠軍，機器翻譯系統(tǒng)達到人類翻譯水平，就可以宣告人工智能的勝利。四十年后的1997年，IBM公司的深藍超級計算機已經(jīng)能夠打敗國際象棋世界冠軍卡斯帕羅夫。而機器翻譯到現(xiàn)在仍無法與人類翻譯水平相比，由此可見NLP有多么的復雜和困難！

二、自然語言處理的發(fā)展趨勢

目前，人們主要通過兩種思路來進行自然語言處理，一種是基于規(guī)則的理性主義，另外一種是基于統(tǒng)計的經(jīng)驗主義。理性主義方法認為，人類語言主要是由語言規(guī)則來產(chǎn)生和描述的，因此只要能夠用適當?shù)男问綄⑷祟愓Z言規(guī)則表示出來，就能夠理解人類語言，并實現(xiàn)語言之間的翻譯等各種NLP任務(wù)。而經(jīng)驗主義方法則認為，從語言數(shù)據(jù)中獲取語言統(tǒng)計知識，有效建立語言的統(tǒng)計模型。因此只要能夠有足夠多的用于統(tǒng)計的語言數(shù)據(jù)，就能夠理解人類語言。然而，當面對現(xiàn)實世界充滿模糊與不確定性時，這兩種方法都面臨著各自無法解決的問題。例如，人類語言雖然有一定的規(guī)則，但是在真實使用中往往伴隨大量的噪音和不規(guī)范性。理性主義方法的一大弱點就是魯棒性差，只要與規(guī)則稍有偏離便無法處理。而對于經(jīng)驗主義方法而言，又不能無限地獲取語言數(shù)據(jù)進行統(tǒng)計學習，因此也不能夠完美地理解人類語言。二十世紀八十年代以來的趨勢就是，基于語言規(guī)則的理性主義方法不斷受到質(zhì)疑，大規(guī)模語言數(shù)據(jù)處理成為目前和未來一段時期內(nèi)NLP的主要研究目標。統(tǒng)計學習方法越來越受到重視，自然語言處理中越來越多地使用機器自動學習的方法來獲取語言知識。

隨著2013年word2vec技術(shù)的發(fā)表，以神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)的深度學習技術(shù)開始在NLP中廣泛使用，深度學習的分布式語義表示和多層網(wǎng)絡(luò)架構(gòu)具有強大的擬合和學習能力，顯著提升了NLP各種任務(wù)的性能，成為現(xiàn)階段NLP的主要技術(shù)方案。

深度學習是純數(shù)據(jù)驅(qū)動技術(shù)方案，需要從大規(guī)模標注數(shù)據(jù)中學習特定任務(wù)相關(guān)的復雜模式。一方面，有些學者開始探索面向大規(guī)模無標注文本數(shù)據(jù)的深度學習模型，如ELMo，GPT、BERT等，可以看做從大規(guī)模數(shù)據(jù)中學習知識的極致探索；另一方面，現(xiàn)有深度學習技術(shù)尚未考慮人類積累的豐富知識（包括語言知識、世界知識、常識知識、認知知識、行業(yè)知識等），如果將深度學習看做經(jīng)驗主義方法，將符號知識看做理性主義方法，那么如何充分發(fā)揮基于規(guī)則的理性主義方法和基于統(tǒng)計的經(jīng)驗主義方法的優(yōu)勢，兩者互相補充，更好、更快地進行自然語言處理，仍然是我們需要探索的重要課題。

三、自然語言處理在BI的應(yīng)用

2018年，Gartner 在其發(fā)布的魔力象限報告中，明確指出增強型分析功能是 BI 產(chǎn)品發(fā)展的最重要、也是最顯著的發(fā)展趨勢之一，其原因并不難理解：“當前企業(yè)使用的數(shù)據(jù)的規(guī)模和復雜度已經(jīng)逐漸超過人類可以處理的程度，靜態(tài)報表、儀表板等傳統(tǒng)工具已經(jīng)不能滿足需求，而通過機器學習、人工智能等技術(shù)增強分析，可以更好地處理這些數(shù)據(jù)。而如果利用自然語言處理、人工智能等技術(shù)的增強分析就可以自動、快速地對數(shù)據(jù)進行分析，輔助分析人員得到需要的數(shù)據(jù)洞察?！?/p>

作為連續(xù)多年入選“Gartner增強分析代表廠商”和“Gartner中國人工智能創(chuàng)業(yè)公司代表廠商（2020）”的Smartbi正是看到了這些趨勢，在2018年便開始自主研發(fā)增強分析工具Smartbi NLA，期望通過引入自然語言處理、知識圖譜、推薦算法和機器問答等人工智能技術(shù)，使得Smartbi NLA可以理解用戶的數(shù)據(jù)分析需求，并幫助其快速完成分析任務(wù)獲得數(shù)據(jù)洞見。

Smartbi NLA的交互式對話實際上是一種特定的語義分析任務(wù)。在學術(shù)界，類似的任務(wù)最早可以追溯到1970年代提出的自然語言編程（Natural-language programming），是指將自然語言（研究比較多的是英語）翻譯為特定的編程語言。在1980年代，人們又針對關(guān)系性數(shù)據(jù)庫提出了自然語言數(shù)據(jù)庫查詢（Natural Language Database Query），也稱為Text2SQL、NL2SQL等。它將用戶的自然語句轉(zhuǎn)為可以執(zhí)行的SQL語句，從而免除業(yè)務(wù)用戶學習SQL語言的煩惱，成功將NLP應(yīng)用于BI領(lǐng)域。

Smartbi正是利用了NL2SQL技術(shù)，將自然語言通過神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)化為計算機可以識別的數(shù)據(jù)庫查詢語言。用戶通過語音或者鍵盤輸入后，“AI智能小麥”會將輸入的自然語言轉(zhuǎn)為語言元模型的形式，通過小麥內(nèi)置的知識抽取算法，經(jīng)過深度學習模型將元模型轉(zhuǎn)化為機器可以理解的數(shù)據(jù)庫語言。最后通過Smartbi預置的查詢引擎和圖形引擎，快速準確的找到用戶想要的查詢結(jié)果，自動生成圖形輸出，也可以在Smartbi中對查詢結(jié)果進行組合和進一步分析。

圖：NL2SQL模型原理示意圖

Smartbi NLA是時下前沿的數(shù)據(jù)分析工具，簡化為搜索引擎，僅僅只有一個輸入框，頁面直接輸入描述業(yè)務(wù)問題，工具自動把數(shù)據(jù)查詢出來，免去學習操作的過程，特別適合在展廳大屏、領(lǐng)導辦公室大屏等場合使用，一經(jīng)推出便廣受客戶歡迎。

1、Smartbi自然語言查詢：臨危受命

2、Smartbi自然語言查詢：游刃有余

3、Smartbi自然語言查詢：堪當大任

4、Smartbi自然語言查詢：如影相隨

審核編輯：符乾江