Definition Natural Language Processing | NLP Was ist Natural Language Processing (NLP)?

Anbieter zum Thema

PresseBox - unn | UNITED NEWS NETWORK GmbH

Fujitsu Technology Solutions GmbH

TXOne Networks

Natural Language Processing beschäftigt sich mit den theoretischen Grundlagen und mit praktischen Methoden und Techniken, natürliche Sprache in gesprochener Form oder in Textform mithilfe von Computern maschinell zu verarbeiten. NLP umfasst die beiden Unterbereiche Natural Language Understanding (NLU) und Natural Language Generation (NLG). Zahlreiche Anwendungen wie maschinelle Übersetzungen, Chatbots, digitale Assistenten und vieles mehr basieren auf NLP.

Deutsche Begriffe für Natural Language Processing (NLP) sind Computerlinguistik oder linguistische Datenverarbeitung. Es handelt sich bei NLP um ein Teilgebiet der künstlichen Intelligenz. NLP beschäftigt sich mit theoretischen Grundlagen und praktischen Methoden und Techniken, natürliche Sprache (gesprochen oder in Textform) mithilfe von Computern und Algorithmen maschinell zu erfassen, zu analysieren, zu verstehen, zu verarbeiten und zu generieren. Die Computerlinguistik arbeitet interdisziplinär und wendet Wissen und Methoden der Informatik, Sprachwissenschaft und Datenwissenschaft an. Ziel der Computerlinguistik ist es, Menschen eine umfassende Kommunikation mit Computern zu ermöglichen und sie bei verschiedenen Aufgaben- und Problemstellungen zu unterstützen. Die Komplexität und Mehrdeutigkeit natürlicher Sprache stellt das Natural Language Processing vor zahlreiche Herausforderungen.

Die Unterbereiche des Natural Language Processing NLU und NLG

Natural Language Processing lässt sich in die beiden Unterbereiche Natural Language Understanding (NLU) und Natural Language Generation (NLG) unterteilen. Natural Language Understanding befasst sich mit dem Verstehen natürlicher Sprache. Grammatik, Syntax und Semantik von Wörtern und Sätzen natürlicher Sprache werden erfasst und analysiert. Ziel ist es, Sinn und Bedeutung eines Textes zu identifizieren. Natural Language Generation verfolgt die Zielsetzung, Text in natürlicher Sprache zu generieren.

Prinzipielle Funktionsweise des Natural Language Processing

Um menschliche Sprache zu verstehen oder zu generieren, werden die unstrukturierten Daten natürlicher Sprache in eine für Computer verarbeitbare strukturierte Form überführt. Es kommen statistische Ansätze, Algorithmen und Verfahren wie maschinelles Lernen zum Einsatz, um Syntax und Semantik zu erfassen. Bis zum vollständigen Erfassen der Bedeutung eines Textes werden verschiedene Schritte durchlaufen. Sprache oder Text wird zunächst in die einzelnen Bestandteile zerlegt und analysiert. In diesem Zusammenhang sind NLP-Aufgaben wie Tokenisieren, Part-of-Speech-Tagging, Lemmatisierung, Stemming, Parsing, Wortsinn-Disambiguierung oder Named Entity Recognition zu bewältigen. Mit der sogenannten Sentiment-Analyse ist es sogar möglich, die emotionale Haltung und positive oder negative Einstellungen eines Autors zu erkennen. Ist ein Text erfasst, lassen sich die Informationen weiter maschinell verarbeiten und beispielsweise Antworten oder Lösungen für bestimmte Frage- und Problemstellungen generieren. Die Antworten und Lösungen werden in Textform generiert und lassen sich per Text-to-Speech-Konvertierung in akustische Sprachausgaben umwandeln.

Viele NLP-Aufgaben werden mithilfe des maschinellen Lernens bewältigt. Machine-Learning-Modelle werden mit großen Mengen an Daten trainiert. Sie sind anschließend durch ihr antrainiertes "Wissen" in der Lage, ihnen vorgelegte Texte in der gewünschten Form zu verarbeiten. Sprachliche Stilmittel wie Ironie, rhetorische Fragen, Sarkasmus oder Paradoxa stellen aber selbst sehr ausgereifte und "intelligente" ML-Modelle vor Probleme.

Praktische Anwendungen für NLP

Für das Natural Language Processing gibt es zahlreiche praktische Anwendungen wie:

• Zusammenfassen von Texten

• Informationsextraktion textbasierter Quellen

• maschinelle Übersetzungen

• automatische Rechtschreib- und Grammatikprüfung

• Chatbots

• Frage-/Antwortsysteme

• digitale Assistenten

• automatische Verschlagwortung von Literatur

• Sprachsteuerungen

• automatisiertes Erstellen von Texten (zum Beispiel Produktbeschreibungen)

• automatisierte Analysen wissenschaftlicher oder medizinischer Texte

• Analyse, Kategorisierung und Beantwortung von Kundenanfragen

• Erkennen von Spam- oder Phishing-Nachrichten

(ID:48528305)