Die Grundlagen von NLP erschließen NLU- und NLG-Schulungs-Ppt

Folie 4

Auf dieser Folie wird beschrieben, dass es sich bei der Verarbeitung natürlicher Sprache um eine Technologie handelt, mit der Computer menschliche Sprachen wie Englisch interpretieren und darauf reagieren. NLP ist eine Teilmenge von KI und Cognitive Computing. Das Verfahren umfasst die Umwandlung von Sprache in Text und die Schulung des Systems, intelligente Entscheidungen zu treffen oder Aktivitäten auszuführen.

Folie 5

Diese Folie gibt einen Überblick über die Verarbeitung natürlicher Sprache, die es Computern ermöglicht, Menschen in normaler Sprache zu verstehen, Aktionen auszuführen und mit ihnen zu kommunizieren. Es kann zum Senden von Betriebsbefehlen, zum Übersetzen von Sprache in Text, zum Dokumentieren, zum Erteilen von Anweisungen in der Navigation usw. verwendet werden.

Folie 6

Auf dieser Folie werden Techniken zur Verarbeitung natürlicher Sprache aufgeführt, z. B. Grammatikinduktion, Sentimentanalyse, Aspect Mining und Erkennung von Namensentitäten.

Hinweise für Kursleiter:

• Grammatikeinführung: Hilft bei der Anwendung der richtigen Grammatik beim Schreiben
• Stimmungsanalyse: NLP wird verwendet, um die positiven und negativen Aspekte des Satzes zu untersuchen
• Aspect Mining: Aspect Mining wird im NLP verwendet, um herauszufinden, welche Aspekte günstig und welche schlecht sind
• Erkennung von Namensentitäten: Wird verwendet, um die Namen, Organisationen, Orte und Daten namhafter Personen zu erkennen

Folie 7

Auf dieser Folie werden einige der Techniken zur Verarbeitung natürlicher Sprache vorgestellt, z. B. Zusammenfassung, Themenerkennung und Konvertierung von Sprache in Text

Hinweise für Kursleiter:

• Zusammenfassung: NLP kann auch den Inhalt zusammenfassen und die Essenz des Textes darlegen. Es bewertet Sätze anhand ihrer Ähnlichkeit mit anderen Sätzen
• Themenerkennung: NLP untersucht den Text, um das Hauptthema zu bestimmen, mit dem er verbunden ist. Es extrahiert bestimmte Schlüsselwörter und organisiert sie in Kategorien
• Konvertierung von Sprache in Text: Durch die Umwandlung von Sprache in Text können Maschinen die menschliche Sprache verstehen und interpretieren, mit der Absicht, auf die gleiche Weise zu handeln und zu reagieren wie Menschen. Die Hauptidee von NLP besteht darin, menschliche Sprache als Daten in intelligente Text-zu-Sprache-Systeme einzuspeisen, die anschließend in vielen Bereichen eingesetzt werden können

Folie 8

Diese Folie zeigt die Funktionsweise der Verarbeitung natürlicher Sprache. Als Teilbereich der KI nutzt NLP Techniken des maschinellen Lernens, um Informationen zu extrahieren und daraus zu lernen. Bei der Ausführung konzentriert sich der maschinelle Lernalgorithmus auf das Erlernen der Grundlagen, und NLP lernt auch weiterhin auf der Grundlage der bereitgestellten Informationen. Aus diesem Grund neigt NLP dazu, trotz Fehlern und allgemeiner Sprachmuster richtig zu erraten, was der Benutzer sagen möchte.

Folie 9

Auf dieser Folie heißt es, dass die Menge der online verfügbaren Daten von Tag zu Tag zunimmt. Bei den meisten davon handelt es sich um unstrukturierten Text, und es ist eine schwierige Herausforderung, aus diesen Daten hilfreiche Informationen zu gewinnen. In diesem Szenario kann NLP eingesetzt werden. NLP-Methoden können Sprache in Text umwandeln, und Personen, die nicht schreiben können, können NLP zum Dokumentieren von Dingen verwenden. Die NLP-Analyse kann die Stimmung eines Gesprächs beurteilen und eine angemessene Antwort vorschlagen. Auf diese Weise kann es Unternehmen dabei unterstützen, die Zufriedenheit ihrer Verbraucher zu erreichen.

Folie 10

Diese Folie listet die Schritte der Verarbeitung natürlicher Sprache auf, angefangen von der Anfangsphase der lexikalischen Analyse bis zur letzten Phase der pragmatischen Analyse.

Folie 11

Auf dieser Folie heißt es, dass die Phase der lexikalischen Analyse die Anfangsphase des NLP ist. In dieser Phase wird der Quellcode als Zeichenstrom analysiert und in aussagekräftige Lexeme umgewandelt. Auch hier wird der gesamte Text in Absätze, Phrasen und Wörter zerlegt.

Hinweise für Kursleiter:

Ein Lexem ist eine Reihe von Zeichen, die basierend auf dem Übereinstimmungsmuster eines Tokens in das Quellprogramm eingefügt werden. Es ist nichts weiter als eine Token-Instanz.

Folie 12

Diese Folie zeigt, dass die Syntaktische Analyse verwendet wird, um Grammatik und Wortanordnungen zu untersuchen und die Verbindung zwischen Wörtern zu veranschaulichen. Bei diesem Ansatz geht es darum, Wörter mit anderen Wörtern zu verknüpfen, sie in einer Phrase anzuordnen und ihre relative Bedeutung zu bestimmen.

Folie 13

Auf dieser Folie wird beschrieben, dass die Darstellung von Bedeutung das Ziel der semantischen Analyse ist und es dabei in erster Linie um die genaue Bedeutung von Wörtern, Phrasen und Sätzen geht.

Hinweise für Kursleiter:

OCR : Optische Zeichenerkennung

Folie 14

Auf dieser Folie heißt es, dass die Diskursintegration von den Phrasen abhängt, die ihr vorangehen, und die Bedeutung der darauf folgenden Sätze hervorruft. Diese Strategie untersucht die relative Bedeutung von Sätzen und die Beziehungen, die diese mit anderen Sätzen eingehen.

Folie 15

Auf dieser Folie wird beschrieben, dass die fünfte und letzte Phase des NLP die pragmatische Analyse ist und dabei hilft, die gewünschte Wirkung zu ermitteln, indem sie eine Reihe von Regeln anwendet, die kooperative Diskussionen beschreiben. Diese Strategie befasst sich mit der realen Bedeutung eines Satzes.

Folie 16

Auf dieser Folie werden Arten von Anwendungen zur Verarbeitung natürlicher Sprache aufgeführt, z. B. Stimmungsanalysatoren, Zusammenfassungen von Dokumenten, Überprüfung auf Grammatik und mehr.

Folie 17

Diese Folie gibt einen Überblick über Natural Language Generation (NLG). Die Programmierung künstlicher Intelligenz (KI) wird verwendet, um aus einer Datensammlung schriftliche oder gesprochene Erzählungen zu generieren. NLG wird mit Mensch-Maschine- und Maschine-Mensch-Interaktion sowie Computerlinguistik, Verarbeitung natürlicher Sprache (NLP) und Verständnis natürlicher Sprache (NLU) in Verbindung gebracht.

Folie 18

Auf dieser Folie heißt es, dass es sich bei NLG um einen mehrstufigen Prozess handelt, bei dem die zur Generierung von Inhalten mit natürlich klingender Sprache verwendeten Daten auf jeder Ebene schrittweise verfeinert werden.

Hinweise für Kursleiter:

• Analyse des Inhalts: Die Daten werden überprüft, um zu bestimmen, was in die Endausgabe des Prozesses integriert werden soll. In dieser Phase werden die Hauptthemen und Verknüpfungen im Originaldokument festgelegt
• Datenverständnis: Die Daten werden ausgewertet, Muster entdeckt und in einen Kontext gestellt. An dieser Stelle kommt häufig maschinelles Lernen zum Einsatz
• Organisation von Dokumenten: Basierend auf den analysierten Daten wird ein dokumentierter Plan erstellt und ein narrativer Rahmen erstellt
• Satzzusammenfassung: Relevante Sätze oder Satzabschnitte werden zusammengeführt, um eine genaue Zusammenfassung des Sachverhalts zu erhalten
• Grammatische Struktur: Um eine natürlich klingende Schrift zu erstellen, werden grammatikalische Regeln eingesetzt. Die Software bestimmt die syntaktische Struktur des Satzes und diese Informationen werden dann verwendet, um die Aussage grammatikalisch korrekt umzuformulieren
• Präsentation der Sprache: Die endgültige Ausgabe wird abhängig von der Vorlage oder der vom Benutzer oder Programmierer gewählten Vorlage erstellt

Folie 19

Auf dieser Folie wird beschrieben, dass Natural Language Generation (NLG) in verschiedenen Anwendungen eingesetzt wird, beispielsweise bei der Erstellung von Chatbots und Antworten von Sprachassistenten wie Googles Alexa und Apples Siri. Finanzberichte und andere Unternehmensdaten in Inhalte umwandeln, die für Arbeitnehmer und Verbraucher verständlich sind. Lead-Nurturing-E-Mails, SMS und Chat-Antworten können automatisiert werden.

Folie 20

Auf dieser Folie werden Anwendungen der Natural Language Generation (NLG) aufgeführt, z. B. das Erstellen und Anpassen von Skripts für Kundendienstmitarbeiter sowie die Aggregation und Zusammenfassung von Nachrichtenberichten. Bereitstellung von Statusaktualisierungen für Geräte für das Internet der Dinge; und Erstellung von Produktbeschreibungen für E-Commerce-Websites sowie für die Kundenkommunikation.

Folie 21

Auf dieser Folie werden die Vorteile der Generierung natürlicher Sprache (Natural Language Generation, NLG) aufgeführt, wie z. B. Inhalte von gleichbleibend hoher Qualität, verbesserte Inhaltserstellung, thematische Berichterstattung, die andernfalls unrentabel wäre, die Möglichkeit, die menschliche Energie auf hochwertige Aufgaben zu konzentrieren, und skalierbare Personalisierung.

Folie 23

Diese Folie gibt einen Überblick über NLU, einen Unterabschnitt der Verarbeitung natürlicher Sprache (NLP), der sich mit der Umwandlung menschlicher Sprache in ein maschinenlesbares Format befasst. Dank Natural Language Understanding (NLU) und maschinellem Lernen können Computer Daten in Sekundenschnelle automatisch interpretieren, was Unternehmen bei der Durchsicht zahlreicher Kundenfeedbacks wertvolle Stunden und Geld spart.

Folie 24

Auf dieser Folie heißt es, dass das Verstehen natürlicher Sprache ein Zweig der Verarbeitung natürlicher Sprache ist. Sowohl NLP als auch NLU versuchen, unstrukturierte Daten zu verstehen, es gibt jedoch einen Unterschied zwischen beiden.

Hinweise für Kursleiter:

• NLP untersucht, wie Computer darauf trainiert werden, Sprache zu verstehen und eine „natürliche“ Hin- und Her-Kommunikation zwischen Computern und Menschen zu fördern
• Beim Verstehen natürlicher Sprache geht es um die Fähigkeit einer Maschine, menschliche Sprache zu verstehen. Unter NLU versteht man die Neuanordnung unstrukturierter Daten, damit Maschinen sie „verstehen“ und auswerten können

Folie 25

Auf dieser Folie werden die Anwendungsfälle für das Verständnis natürlicher Sprache aufgeführt, z. B. automatische Ticketweiterleitung, automatisiertes Denken, maschinelle Übersetzung und Beantwortung von Fragen.

Folie 26

Auf dieser Folie heißt es, dass die Kundendienstautomatisierung ein hervorragendes Unternehmensbeispiel für NLU ist. Maschinen können den Inhalt von Kundensupporttickets interpretieren und sie an die entsprechenden Abteilungen weiterleiten, ohne dass Mitarbeiter jedes Ticket öffnen müssen. Dadurch sparen Kundendienstmitarbeiter Hunderte von Stunden ein und können dringende Anfragen priorisieren.

Folie 27

Auf dieser Folie wird beschrieben, dass ein Fachgebiet der Kognitionswissenschaft, das als automatisiertes Denken bekannt ist, verwendet wird, um mathematische Theoreme mechanisch zu beweisen oder logische Schlussfolgerungen zu einer medizinischen Diagnose zu ziehen. Es verleiht Maschinen eine Denkweise oder Logik, die es ihnen ermöglicht, durch Schlussfolgerungen auf neue Fakten zu schließen.

Hinweise für Kursleiter:

Computeralgorithmen können Schlussfolgerungen auf der Grundlage zuvor gewonnener und verarbeiteter Daten ziehen. In der Medizin beispielsweise können Roboter mithilfe von WENN-DANN-Ableitungsregeln eine Diagnose auf der Grundlage früherer Diagnosen ableiten.

Folie 28

Auf dieser Folie heißt es, dass eine der problematischsten Aufgaben im NLP und NLU darin besteht, Sprache oder Text genau von einer Sprache in eine andere zu übersetzen. Mithilfe maschineller Übersetzungstechnologien können Sie Wörter eingeben oder ganze Dokumente hochladen und Übersetzungen in Dutzenden von Sprachen erhalten.

Hinweise für Kursleiter:

Google Translate enthält eine Software zur optischen Zeichenerkennung (OCR), die es Maschinen ermöglicht, Text aus Fotos zu extrahieren, ihn zu interpretieren und zu übersetzen.

Folie 29

Auf dieser Folie wird beschrieben, dass die Beantwortung von Fragen ein Zweig des NLP und der Spracherkennung ist, bei dem NLU verwendet wird, um Computern dabei zu helfen, Anfragen in natürlicher Sprache zu verstehen.

Hinweise für Kursleiter:

Sofern Sie keine bestimmte Stadt angeben, teilen Ihnen virtuelle Assistenten standardmäßig das Wetter für Ihren aktuellen Standort mit. Der Zweck der Beantwortung von Fragen besteht darin, in der Muttersprache des Benutzers zu antworten, und nicht in einer Liste schriftlicher Antworten.

Folie 30

Auf dieser Folie wird die Bedeutung des Verständnisses natürlicher Sprache aufgeführt. Das heißt, dass NLU zur Unterstützung bei der Analyse des unstrukturierten Textes eingesetzt werden kann. Analysten glauben, dass NLU und NLP ein enormes Entwicklungspotenzial haben, da die Menge des zu untersuchenden unstrukturierten Textes wächst.

Hinweise für Kursleiter:

• NLU kann zur Unterstützung bei der Analyse des unstrukturierten Textes verwendet werden: Menschen können sich auf unterschiedliche Weise ausdrücken, und dies kann von Person zu Person unterschiedlich sein. Die genaue Kenntnis des Benutzers ist für den Erfolg persönlicher Assistenten unerlässlich. NLU wandelt die komplizierte Struktur der Sprache in ein maschinenlesbares Format um und ermöglicht so die Textanalyse und die Beantwortung menschlicher Fragen durch Roboter
• Analysten glauben, dass NLU und NLP ein enormes Entwicklungspotenzial haben: Computer können 24 Stunden am Tag, sieben Tage die Woche konsistente und unvoreingenommene sprachbasierte Analysen durchführen. Angesichts der Menge an Rohdaten, die täglich anfallen, sind NLU und NLP für eine effektive Datenanalyse von entscheidender Bedeutung. Diese Daten können von einer gut entwickelten und gestalteten NLU-basierten Anwendung gelesen, abgehört und analysiert werden
• Die Menge an unstrukturiertem Text, die untersucht werden muss, wächst: Analysten prognostizieren zwischen 2020 und 2025 eine jährliche Wachstumsrate von mehr als 20 %. Laut der Studie von Markets Insider aus dem Jahr 2019 wird die weltweite Branche der Verarbeitung natürlicher Sprache (NLP) voraussichtlich einen Wert von 35 Milliarden US-Dollar haben bis 2025. Die Hauptursache für das Wachstum ist eine Verlagerung weg von produktzentrierten Erlebnissen hin zu kundenorientierten Erlebnissen. Die wachsende Popularität von Smart Devices und IoT trägt auch zur allgemeinen Nutzung von NLU bei

Folie 31

Diese Folie zeigt Faktoren, die bei der Auswahl von Lösungen zum Verständnis natürlicher Sprache berücksichtigt werden sollten, wie z. B. Sprachunterstützung, Ergebnisqualität, Benutzerfreundlichkeit, Flexibilität und Geschwindigkeit.

Hinweise für Kursleiter:

• Sprachunterstützung: Die Sprache der Eingabedaten sollte von der NLU-Plattform unterstützt werden. Derzeit ist die Qualität von NLU in nicht-englischen Sprachen aufgrund des kommerziellen Potenzials dieser Sprachen schlechter. Dies ändert sich jedoch mit zunehmendem Forschungsinteresse
• Ergebnisqualität: Eine erfolgreiche NLU-Lösung sollte in der Lage sein, sprachliche Elemente zu erkennen, ihre Verbindungen zu extrahieren und semantische Software anzuwenden, um die Informationen zu verstehen, unabhängig davon, wie sie geschrieben sind. Kontinuierliches Lernen, unterstützt durch maschinelles Lernen, hat das Potenzial, die Qualität der Ergebnisse im Laufe der Zeit zu steigern
• Benutzerfreundlichkeit: Die Lösung sollte sowohl für technisches als auch für nichttechnisches Personal einfach zu verwenden sein. Es kann eine Lösung mit vielen Schnittstellen untersucht werden, die es einer Person ohne technische Kenntnisse (z. B. einem Kundendienstmitarbeiter) ermöglicht, dieses System mit Eingaben aufzubauen. Da durchaus die Möglichkeit besteht, dass Nicht-Techniker Chatbots verwenden, sind die Benutzerfreundlichkeit des Programms und die Benutzerfreundlichkeit der Benutzeroberfläche von entscheidender Bedeutung
• Flexibilität: Es ist wichtig, an Lösungsbereiche anpassbar zu sein. Dies wird durch die Schulungs- und kontinuierlichen Lernfunktionen der NLU-Lösung erreicht
• Geschwindigkeit: Bei Konversations-KI-Anwendungen ist das Verstehen der Sprache Teil des Prozesses. Weitere Komponenten umfassen das Erstellen einer Antwort oder das Reagieren auf die Anfrage. Daher muss das Sehen und Verstehen der Sprache schnell abgeschlossen werden. Allerdings kann es zu einem Austausch zwischen der Qualität der Ergebnisse und der Geschwindigkeit ihrer Berechnung kommen. Diese Entscheidung muss auf der Grundlage des Antrags erfolgen

Folie 32

Auf dieser Folie heißt es, dass NLU-Modelle in der Lage sind, eine bestimmte und einzigartige Aufgabe einwandfrei zu erfüllen. Andere Aufgaben können jedoch die Genauigkeit und Präzision beeinträchtigen. Es ist wichtig, objektive Messungen zu verwenden, um die Leistung von Systemen zu vergleichen.

Folie 33

Auf dieser Folie werden Technologiegiganten aufgeführt, die im Ökosystem des natürlichen Sprachverständnisses führend sind, wie Google, Microsoft, Amazon und IBM.

Folie 34

Auf dieser Folie wird ein Vergleich zwischen Natural Language Processing (NLP), Natural Language Understanding (NLU) und Natural Language Generation (NLG) gezogen.

Hinweise für Kursleiter:

• NLP (Natural Language Processing): Es versteht die Bedeutung des Textes
• NLU (Natural Language Understanding): NLU verarbeitet ganze Prozesse wie Entscheidungen und Aktionen
• NLG (Natural Language Generation): Diese Methode erstellt Text in menschlicher Sprache aus strukturierten Daten, die das System zur Antwort bereitstellt

Folie 35

Auf dieser Folie wird der Unterschied zwischen künstlicher Intelligenz (KI) und maschinellem Lernen (ML) aufgeführt. KI ist eine Technologie, die eine Maschine simuliert, um menschliches Verhalten nachzubilden. Maschinelles Lernen ist eine Art KI, bei der eine Maschine aus vorherigen Daten lernt, ohne explizit programmiert zu werden.

Folie 36

Auf dieser Folie heißt es, dass maschinelles Lernen eine Art künstliche Intelligenz ist, die statistische Lernalgorithmen verwendet, um Systeme zu konstruieren, die selbstständig verstehen und sich weiterentwickeln können, ohne explizit programmiert zu werden. Deep Learning ist ein ML-Ansatz, der durch die Filterung von Informationen durch das menschliche Gehirn gefördert wird. Es geht im Wesentlichen darum, anhand von Beispielen zu lernen. Es ermöglicht einem Computermodell, Informationen zu antizipieren und zu kategorisieren, indem Eingabedaten über Ebenen gefiltert werden.

Folie 37

Auf dieser Folie wird ein Vergleich zwischen künstlicher Intelligenz (KI), maschinellem Lernen (ML) und Deep Learning (DL) dargestellt. Künstliche Intelligenz ist der Prozess der Kombination von Maschinen mit menschlicher Intelligenz. Beim maschinellen Lernen geht es darum, Maschinen das Lernen beizubringen, indem sie Algorithmen auf Unmengen von Daten trainieren. Deep Learning ist eine Art maschinelles Lernen, das sich auf Datendarstellungen und nicht auf aufgabenspezifische Methoden konzentriert.

Folie 53 bis 68

Diese Folien enthalten anregende Aktivitäten, um das Publikum der Schulungssitzung einzubeziehen.

Schieben Sie 69 bis 96

Diese Folien enthalten einen Schulungsvorschlag, der beschreibt, was das Unternehmen, das Unternehmensschulungen anbietet, für den Kunden erreichen kann.

Folie 97 bis 99

Diese Folien enthalten ein Schulungsbewertungsformular für den Kursleiter sowie eine Inhalts- und Kursbewertung.