Rozřešení koreference je úloha zpracování přirozeného jazyka, která určuje, které výrazy v textu odkazují na stejnou osobu, věc nebo záležitost. Ve větě „Pan Novák volal a chce, aby mu někdo zavolal zpět“ musí systém pochopit, že „mu“ znamená pana Nováka. To je důležité pro shrnutí, extrakci informací a chatboty, které musejí sledovat odkazy napříč několika větami nebo replikami konverzace.
Agenti, postupy a šablony v jednom pracovním prostoru – 24hodinové demo zdarma.
Spustit demoZpracování přirozeného jazyka je odvětví AI, které počítačům umožňuje analyzovat, chápat a vytvářet lidský jazyk v textu nebo řeči. Zahrnuje úlohy, jako je překlad, klasifikace, sumarizace, analýza sentimentu a odpovídání na otázky. Dříve dominovala pravidla a statistické metody; dnes obor utvářejí velké jazykové modely.
Rozpoznávání pojmenovaných entit (NER) je technika zpracování přirozeného jazyka, která v textu nachází jména osob, firem a míst i data nebo částky a každému přiřadí kategorii. Převádí volný text na strukturovaná data. Příklad: z e-mailu se automaticky vyextrahuje firma odesílatele, kontaktní osoba, datum dodání a částka faktury a přenesou se do CRM.
Závislostní syntaktická analýza (dependency parsing) je technika zpracování přirozeného jazyka, která znázorňuje gramatickou stavbu věty jako závislosti mezi slovy. Každé slovo je propojeno s řídicím slovem, například podmět a předmět se slovesem: ve větě „Zákazník objedná dvě lampy“ závisejí „zákazník“ a „lampy“ na slovesu „objedná“. Pomáhá to při extrakci informací, například při zjišťování, kdo co udělal.
Porozumění přirozenému jazyku je část zpracování jazyka, která zachycuje význam výpovědi: jaký záměr za ní stojí, jaké osoby, místa nebo data se zmiňují a jaký má tón? Spolu s generováním přirozeného jazyka (NLG) tvoří NLU jednu ze dvou stran NLP. Příkladem je systém zákaznické podpory, který větu „Můj balíček stále nedorazil“ rozpozná jako dotaz na dodání.
