自然語言理解

自然語言理解是研究如何讓電腦理解自然語言的一門技術，是自然語言處理技術中最困難的一項。一般來說，是將自然語言轉換成一種形式化的表示結構。

研究問題

What?：何謂理解？
How?：電腦如何能理解人類語言。
When?：電腦瞭解到何種程度才算理解。
Where?：自然語言如何轉換成電腦可理解的結構，如何儲存。
Why?：電腦真的能理解嗎？為何能、為何不能。

範疇與脈絡

自然語言理解這個概括的術語，適用於多樣的電腦應用，從小型、相對簡單之事，例如發給機械人的簡短命令，到高度複雜的任務，例如完全讀懂報紙新聞或理解一段詩。許多真實世界的運用介於兩個極端之間，例如文本分類用於自動分析電郵，並且將其轉發至公司適合的部門，並不需要深切理解文本^[1]，但是比起結構固定的資料庫之查詢，要處理的詞彙以及句法更廣更多樣。

自然語言理解系統設定的目標深度與廣度，決定其複雜度（連帶隱含的挑戰）與處理的應用類型。系統的廣度以其詞彙及文法的多寡來衡量；系統的深度以其相對於母語人士的理解程度來衡量。「近似英語」指令的翻譯程式屬於最窄淺的一種，但處理的應用也少。狹窄但深入的系統探究並模擬理解的機制^[2]，但應用範圍仍然有限。超越簡單關鍵字對比的文件內容理解系統，例如判斷新聞稿是否適合某讀者，屬於比較寬廣的系統，也算複雜^[3]，但是仍然有些淺薄。既廣且深的系統，現今的尖端技術仍無法達成。

元件與系統結構

無論什麼手法，多數自然語言理解系統包含一些共同的元件。系統需要其語言的詞彙表、語法分析器以及語法的規則，從而分解語句成為內在的表述。建立具有適當本體的、多量的詞彙表，是件大工程，例如WordNet的詞彙表耗費多年人力^[4]。

系統也需要「語義理論」去引導理解。語言理解系統的解析能力有賴於使用的語義理論。互競的語義理論，作為電腦自動語義解析的基礎，各有其特定的平衡取捨^[5]。理論從「素樸語義學（英語：naive semantics）」或「隨機語義分析（英語：stochastic semantic analysis）」到利用「語用學」從上下文得出意涵^[6]^[7]^[8]。

自然語言理解的高級應用也會在其框架內納入邏輯推理，其過程是將得出的意涵對應到一階邏輯的一組論斷，然後用演繹推理得到結論。

自然語言理解的文本脈絡處理可能遭遇難關，各種各樣的例子與反例，造成了脈絡形式模擬的多重途徑，各有特定的強弱之處^[9]^[10]。

應用

人機交談：電腦如何能與人交談？
機器翻譯：電腦如何將一篇英文文章翻譯成中文？
自動摘要：電腦如何對文章進行摘要？

研究者

英語觀點的研究人員
- R.C.Schank : Script, Conceptual Dependency Theory.
- Fillmore : 格語法（Case Grammar）.

中文觀點的研究人員
- 許聞廉^[11]
- 陳克建^[12]
- 陳鍾誠^[13]
- 董振東：

參考文獻

^ An approach to hierarchical email categorization by Peinfeng Li et al. in Natural language processing and information systems edited by Zoubida Kedad, Nadira Lammari 2007 ISBN 3-540-73350-7
^ Building Working Models of Full Natural-Language Understanding in Limited Pragmatic Domains by James Mason 2010 [1] （頁面存檔備份，存於互聯網檔案館）
^ Mining the Web: discovering knowledge from hypertext data by Soumen Chakrabarti 2002 ISBN 1-55860-754-4 page 289
^ G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. 1990. WordNet: An online lexical database. Int. J. Lexicograph. 3, 4, pp. 235-244.
^ Using computers in linguistics: a practical guide by John Lawler, Helen Aristar Dry 198 ISBN 0-415-16792-2 page 209
^ Naive semantics for natural language understanding by Kathleen Dahlgren 1988 ISBN 0-89838-287-4
^ Stochastically-based semantic analysis by Wolfgang Minker, Alex Waibel, Joseph Mariani 1999 ISBN 0-7923-8571-3
^ Pragmatics and natural language understanding by Georgia M. Green 1996 ISBN 0-8058-2166-X
^ Understanding language understanding by Ashwin Ram, Kenneth Moorman 1999 ISBN 0-262-18192-4 page 111
^ Formal aspects of context by Pierre Bonzon et al 2000 ISBN 0-7923-6350-7
^ 存档副本. [2005-07-13]. （原始內容存檔於2017-03-24）.
^ [2]
^ [3]

陳鍾誠, "自然語言處理", http://ccckmit.wikidot.com/nlp （頁面存檔備份，存於互聯網檔案館）

[1] An approach to hierarchical email categorization by Peinfeng Li et al. in Natural language processing and information systems edited by Zoubida Kedad, Nadira Lammari 2007 ISBN 3-540-73350-7

[2] Building Working Models of Full Natural-Language Understanding in Limited Pragmatic Domains by James Mason 2010 [1] （頁面存檔備份，存於互聯網檔案館）

[3] Mining the Web: discovering knowledge from hypertext data by Soumen Chakrabarti 2002 ISBN 1-55860-754-4 page 289

[4] G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. 1990. WordNet: An online lexical database. Int. J. Lexicograph. 3, 4, pp. 235-244.

[5] Using computers in linguistics: a practical guide by John Lawler, Helen Aristar Dry 198 ISBN 0-415-16792-2 page 209

[6] Naive semantics for natural language understanding by Kathleen Dahlgren 1988 ISBN 0-89838-287-4

[7] Stochastically-based semantic analysis by Wolfgang Minker, Alex Waibel, Joseph Mariani 1999 ISBN 0-7923-8571-3

[8] Pragmatics and natural language understanding by Georgia M. Green 1996 ISBN 0-8058-2166-X

[9] Understanding language understanding by Ashwin Ram, Kenneth Moorman 1999 ISBN 0-262-18192-4 page 111

[10] Formal aspects of context by Pierre Bonzon et al 2000 ISBN 0-7923-6350-7

[11] 存档副本. [2005-07-13]. （原始內容存檔於2017-03-24）.

[12] [2]

[13] [3]

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]