基于詞聯接的自然語言處理改進技術研究

隨著NLP技術越發成熟，人類開始將它與其他技術相結合并應用到不同領域，有效提升計算機自然語言處理技術，使其變得更具有人工智能，符合計算機綜合應用。通過采用TCT技術，能夠使得NLP技術更加精準地翻譯出不同的語言，從而更加適應人類信息化社會的發展。在互聯網中存在著海量信息，這些信息與自然語言有著很強的聯系，可以通過應用自然語言處理技術來實現語言翻譯，給人類的生活、學習、工作帶來很大便利，不斷升級和改善NLP技術能夠使其更加適應市場需求，滿足用戶的翻譯體驗。

1 自然語言處理技術簡述

自然語言是人們日常生活中所使用的語言，如我國普通話（漢語）、國際用語（英語）等，自然語言處理技術指的是通過利用計算機技術對自然語言進行處理和運用，是基于人工智能和語言學基礎上的一門學科，能夠實現人機交互。語言是人類的表達工具，計算機要想掌握自然語言的處理能力，必須要從多個方面出發，可以分成三個基礎部分：認知模塊、理解模塊、生成模塊[1]。其中，認知和理解起到的作用是將輸入的自然語言與計算機符號相連接，然后根據用戶需求進行處理；生成是將計算機中的信息轉化成為自然語言。通過三者互相作用，就可以幫助用戶通過自然語言與計算機進行交互，提高計算機的智能程度。

2 基于詞聯接的自然語言處理技術

2.1 發展階段

基于詞聯接的自然語言處理技術就是一種自然語言規則處理技術，能夠通過語言規則來分析翻譯語言的正確性，進而建立語言規則庫。語言規則分為語義規則和語法規則兩個方面，是基于喬母斯基的形式主義語言學發展而來的。通過將形式主義語言學應用到自然語言處理技術中，能夠加快對詞語關聯和句法關聯的處理，準確得出相應的自然語言。在應用過程中，通過在計算機硬件部分強化真實文本處理，就能通過統計的方式來分析自然語言的正確性。由此可以看出基于詞聯接的自然語言處理技術具有重要地位。

2.2 處理模型分析

自然語言處理技術會受到自然語言環境的限制，而傳統的處理方法不能對當前語言環境進行有效分析，導致翻譯出來的語言缺乏技巧，甚至是詞不達意。而TCT技術通過將結構主義語言學與認知語言學結合起來，構建一個更加全面的語言處理模型。在這個處理模型中，需要在受限語言環境中建立動態語料庫，然后語料庫分為高級知識和實例知識，其中主體是高級知識，實例知識是對高級知識的重要補充。另外，在一定環境下，實例知識可以轉化為高級知識。

2.3 詞聯接自然語言處理技術的特征

第一，具有受限性。TCT是一種語言智能仿知技術，它的語料庫需要依賴于自然語言環境，會受到語言環境的限制。因此，在進行TCT改進時需要將語言環境合理劃分，可以將其按照場景、職業、功能等因素劃分成各種小環境，就能更加確保TCT的語言操作性，高效處理各種自然語言信息；第二，具有動態性。人在進行語言表達時就處于一個動態過程，語料庫的建設也是一個動態過程。因為隨著時間的變化，自然語言也在不斷的發展進化，要想保持高準確率就必須及時更新語料庫。統計學的出現能夠加快信息處理效率，進一步加強語言智能機器對自然語言的處理效率。第三，具有經驗性。TCT的知識獲取是通過實例知識來建造的語料庫，然后基于實例知識和語料庫轉化成高級知識，因此它的知識獲取是自底向上的，具有一定的經驗性。第四，具有綜合性。TCT的知識獲取需要應用到多種計算機技術，常見的技術有統計技術、語言規則技術、神經網絡技術等，通過使用這些技術來綜合運用高級知識和實例知識。TCT的核心技術是實例技術，是基于實例知識建立的語言處理技術[2]，通常會以詞聯接為實例知識，詞聯接能夠明確句子的詞序安排，更快更好的翻譯出句子的意思。

3 自然語言處理的難點

在自然語言中，不同環境下的同個詞語會有不一樣的意思，就拿我們漢語來說，在語言文本和對話中會存在很多具有歧義或多義的詞語，例如“一行行，行行行，一行不行，行行不行”同樣是“行”字，但是讀音不同就會有不同的意思，因此就會加大自然語言的處理難度，怎樣消除歧義和進行語義分析成為一個大難題。總的來說，要想消除歧義就必須積累大量知識，這樣才能提高語言信息處理技術的處理效率。舉個例子，在常見的英文對話中“Thanks”是謝謝的意思，但是如果對話是問：“Would you like some water?”答：“Oh thanks”，這代表的不是謝謝的意思，而是拒絕的意思，因此，翻譯機器需要擁有一定的背景知識庫，這樣才能精準地翻譯出對話。

人類的活動和表達都非常復雜，常常通過有限的詞匯轉化成不同的意思，這就導致有時候同一種語言形式可以表達出不同的含義[3]。就拿我們漢語來說，漢語是以字為基礎，通過字與字相結合組成詞語，然后在通過詞語組成句子，再由句子組成段落，最后由段落組成文章，在組合過程中包含了多層意思的轉換，就容易導致同樣的語句在不同語境下有著不同的意義，另外，相對于英語來說，漢語還有分詞難題，而NLP技術的最小承載語義是單詞，因此還需要解決分詞問題。在進行口語表達時，漢語的詞語詞之間是具有連貫性的，為中文處理增添以一層處理障礙。在NLP技術中，會通過分隔符來進行詞語的處理，但有時候句子存在歧義，就會加大分詞難度，舉個例子，“南京市長江大橋”如果在不同地方使用分詞符，就會變成不同的意思，如在“市”后面進行分隔，就可以將其理解為南京市的長江大橋，但如果在“長”后進行分隔，就會變成南京有一位市長的名字將江大橋。因此，如何正確分詞成為NLP技術的處理難題，但總的來說，需要根據語境進行分詞，通過掌握文本語義進行翻譯能夠提升翻譯的正確性。分詞問題同樣適用與短語，比如“控制電腦”可以理解成我控制了這臺電腦，也可以理解成具有控制功能的電腦。另外，如何正確獲取上下文內容也是一個難題。本文一直強調，需要結合語境分析詞組的意思，因此在理解一句話時需要結合前后文，這樣才能準確掌握句子的語境然后推斷出句子的含義。在漢語中代詞就是一種需要結合前后文來推斷的典型代表，比如“我從小羽手里拿走一個橘子給小剛，他可高興了。”這句話中的他代表的是小剛，由此可見在進行語言分析時也需要結合前后文，這樣才能將自然語言準確反映出來。

4 基于詞聯接的自然語言處理技術改進

由于自然語言在應用過程中會存在很多限制和不足，為了能夠減輕這些限制就必須要改進TCT處理技術。改進的方向主要在于提高對單詞邊界的識別能力、解決詞類和詞性的模糊性等方面。第一，在漢語中，最常見的詞匯是雙音節詞語，同時，三音節詞語和四音節成語也是較為常見的詞組，這些詞語的界定還是一個問題，計算機很難將其界定為詞語、成語或短語。因此，在進行詞聯接自然語言處理技術改進時需要強化詞組的界定邊界；第二，日常交流的詞類和詞性具有一定的模糊性，如同一個詞組既能是動詞又能是名詞，怎樣判斷詞組的詞類和詞性成為語言處理技術的難題。這時候就需要構建一個基于詞聯接自然語言處理技術改進模型，充實語料庫的詞匯量和實例知識。在改進模型中，需要包括自然原因知識表述、語言分析和語言生成3種模塊，這樣就能對輸入語言進行有效整合分析和輸出整理。另外，在改進模型中要增加知識獲取、評價及修改功能，就能最大限度的對自然語言進行分析及修改，保證語料庫語言知識的準確性。其中，知識表述是對自然語言處理技術的綜合改進，能夠提高對主體的幫助，也能夠幫助主體獲得相關知識，建立一個完善的知識體系。知識具有無限性，自然語言一直處于發展中，是一個動態過程，但是用于儲存知識的計算機對知識的認識有限，為了能夠提升對知識的掌握度，需要不斷升級知識儲存主體，豐富其內在語料庫。

自然語言是人類交際的主要語言，它承載著人類知識和信息。通常來說，自然語言的結構有五個部分組成，分別是字、詞、句、篇和章，通過采用TCT技術，能夠增加詞聯接，提升其他五個部分的關聯性，有效改善自然語言處理技術，而且能夠將復雜的句子轉化成由詞聯接的句子，可以明確字與句子的關系，準確表達出該句子的含義，確保詞義的準確性。

5 基于詞聯接的自然語言處理技術應用效果

在改進TCT技術時，需要明確規避詞義模糊和不確定的缺點，通過將詞聯接加入到語言成分結構體系中，能夠簡化句子的分詞，可以有效降低詞義模糊的弊端，進而能夠提升自然語言處理技術的應用效率。根據TCT技術特點，可以將其應用到自然語言的處理中，也可以將其應用到文學語言處理、詞匯應用技巧、修辭概念手法等領域中。在人類生活的幾千年中，人類之所以能夠不斷發展強大，主要依靠的就是對知識的學習和音樂，隨著人類不斷積累技能和經驗，才能更好地創造幸福家園和文明社會。而知識的獲取需要依賴于載體，在計算機中應用NLP技術也需要遵循同樣的道理，而采用詞聯接技術能夠豐富和充實自然語言，加快自然語言處理技術的發展和改進。

5.1 獲取更多間接知識

通過采用TCT技術能夠獲得更多的間接知識。人類獲得的知識可以分為直接知識和間接知識，其中，直接知識指的是人類直接從自然界中實踐得出的經驗，通過不斷積累經驗，使其轉變成為一種知識體系，這樣的知識獲取需要耗費大量的人力、物力和時間。隨著人類生活水平提高，人類創造的自然語言也得到不斷升級和改進，也增加了人類獲取知識的方式，就是間接知識的獲取。間接知識是建立在直接知識基礎上，可以滿足人們直接拿來使用的需求，間接知識是對直接知識的概括和歸納，具有很強的使用意義，能夠豐富自然語言知識。因此，可以通過改進自然語言處理技術的方式來改變知識獲取途徑，這樣就能有效擴展人類獲取知識的途徑，也能方便人類直接利用知識。

5.2 建立完善的語言體系

通過應用TCT技術能夠讓語言應用變得更加科學，從而構建一個完善的語言體系，促進人們對語言的應用更加準確。采用TCT技術還可以豐富自然語言語料庫，而且通過加工、整合的方式來對語料庫的知識進行重新整合，可以有效標注出容易出錯的和具有歧義的內容，并完善不同的語境下詞匯的含義，提升自然語言處理效率。另外，通過對語料進行加工，能夠讓被加工的語言更加規范完整，使得字詞更加具有邏輯性和修辭性，為人類提供富有多元化語料注釋，讓知識的翻譯更加人性化和個性化。

5.3 規范語言規則

怎樣提升語言規則的規范性也是自然語言處理技術需要著重升級的一個重要內容，通過采用TCT技術，就能增強詞與詞之間的關聯性，也就能能夠升級語言規則的規范性。在現實中，人類是先有語言，然后才有語言規則，語言規則的出現是為了強化語言的使用邏輯，能夠讓人們在交流中直接精準的理解對方的意思。因此，語言規則的規范性也是能夠提升自然語言處理技術的重要因素。如果在語料中增加語言邏輯思維，就能讓詞組按照一定的邏輯性組裝成句，在通過句與句的組合構成一個表述清晰的段落。采用TCT技術就能讓每個句子按照一定的邏輯體系進行排列，從而形成才能語義完整的文章，

5.4 規范人們日常用語

將TCT應用到人們日常生活交際中，能夠幫助人類組織邏輯性強的話語，可以增加對話的趣味性，也能讓對方更容易理解自己要表達的意思。在人際交往中，對話是最能增進感情、提高認識的方式，要想給別人留下一個良好印象，就必須要確保話語的邏輯性，不能常常說一些詞不達意的話，這樣容易形成雞同鴨講的局面，不僅會降低對方對自己的印象，還會讓對方覺得說話的人沒有內涵。而應用TCT技術能夠讓說話人的思維更加清晰，然后可以在大腦中演練好對話過程，使其表達能夠形成一個完整的結構。

6 結束語

自然語言處理是一門新興學科，同時它也是一門重要學科。隨著信息技術不斷發展，人類的生活已經離不開信息技術，這時候自然語言處理技術能夠實現人機交互，是不可缺少的重要技術。采用基于詞聯接的自然語言信息處理技術能夠提升NLP技術的活力，使其更加適應現代化生活，也為NLP技術的發展帶來更加光明的未來。