Priklausomybių sintaksinė analizė – tai natūraliosios kalbos apdorojimo metodas, vaizduojantis sakinio gramatinę struktūrą kaip žodžių tarpusavio priklausomybes. Kiekvienas žodis susiejamas su jį valdančiu žodžiu, pavyzdžiui, veiksnys ir papildinys su veiksmažodžiu: sakinyje „Klientas užsako dvi lempas“ „klientas“ ir „lempas“ priklauso nuo „užsako“. Tai padeda išgauti informaciją, pavyzdžiui, nustatyti, kas ką padarė.
Agentai, srautai ir šablonai vienoje darbo srityje – nemokama 24 valandų demonstracinė versija.
Pradėti demonstracijąKalbos dalių žymėjimas automatiškai priskiria kiekvienam sakinio žodžiui jo gramatinę kategoriją, pavyzdžiui, daiktavardis, veiksmažodis, būdvardis ar prielinksnis. Kadangi daug žodžių yra daugiareikšmiai (anglų „book“ kaip daiktavardis arba veiksmažodis, „light“ kaip būdvardis arba daiktavardis), metodai atsižvelgia į sakinio kontekstą. POS žymėjimas – klasikinis išankstinio apdorojimo žingsnis sintaksės analizei, informacijos išgavimui ar rašybos tikrinimui, jį siūlo tokios bibliotekos kaip spaCy ir NLTK.
Natūralios kalbos apdorojimas – DI šaka, leidžianti kompiuteriams analizuoti, suprasti ir generuoti žmonių kalbą tekstu ar žodžiu. Jis apima tokias užduotis kaip vertimas, klasifikavimas, apibendrinimas, nuotaikų analizė ir atsakymai į klausimus. Kadaise dominavo taisyklės ir statistiniai metodai; šiandien sritį formuoja dideli kalbos modeliai.
spaCy – atvirojo kodo Python biblioteka natūralios kalbos apdorojimui, kurią kuria Berlyne įsikūrusi bendrovė Explosion. Ji skaido tekstus į žodžius ir sakinius, nustato kalbos dalis ir pagrindines formas, analizuoja sakinio struktūrą ir atpažįsta įvardytus objektus, pavyzdžiui, asmenis, įmones ar vietas. Iš anksto apmokytų modelių yra daugeliui kalbų, įskaitant vokiečių. spaCy sukurta greičiui ir naudojimui realiose programose, pavyzdžiui, dideliems dokumentų kiekiams iš anksto apdoroti.
Koreferencijų nustatymas – tai natūraliosios kalbos apdorojimo užduotis, kuria nustatoma, kurios teksto išraiškos nurodo tą patį asmenį, daiktą ar reikalą. Sakinyje „Skambino ponia Weber. Ji norėtų, kad jai perskambintumėte“ sistema turi suprasti, kad „ji“ reiškia ponią Weber. Tai svarbu santraukoms, informacijos išgavimui ir pokalbių robotams, kuriems reikia sekti nuorodas per kelis sakinius ar pokalbio replikas.
