第2章
識別自然語言理解問題

在本章中，你將學習如何識別適合當前技術水平的自然語言理解問題。這意味著這些問題對于最前沿的NLU方法來說不困難，但也不能通過簡單的非NLU方法來解決。實際的NLU問題還需要足夠的訓練數據，因為訓練數據不足會影響NLU系統的性能。此外，一個好的NLU系統需要有合理的開發和維護成本。雖然本章將討論的這些因素大多屬于項目經理考慮的范疇，但它們也適用于那些正在尋找研究項目或研究論文題目的學生。

在啟動一個與NLU相關的項目之前，首先要問的問題是：項目目標是否適合當前NLU技術水平，NLU方法是否能解決你所面臨的問題？這個問題的難度與當前NLU技術水平相比如何？

在最初階段就確定問題的性質至關重要。一個問題有不同程度的解決方式。如果項目要求的是原型展示或概念驗證，那么解決方案則不必與要求系統部署的解決方案一樣，因為需要系統部署的解決方案是為每天穩健地處理數千個用戶輸入而設計的。同樣，如果問題是一個前沿的科研問題，那么對當前技術水平的任何改進都是有價值的，即使從應用型項目角度看這個問題沒有被完全解決。解決方案的完整性也是在思考要解決的問題時需要做出的決定之一。

在項目啟動階段，項目經理或負責技術的開發人員就應該確定項目完成時可以接受的系統準確率水平，需要注意的是，在幾乎所有的自然語言應用中，實現100%的準確率是不可能的。

本章將詳細介紹如何識別適用于NLU的問題。遵循本章所討論的原則，你將能夠開發一個優質高效的系統，為用戶解決實際的問題。

本章將介紹以下內容：

?識別適合當前技術水平的問題

?自然語言理解難以解決的問題

?不需要自然語言理解的應用程序

?訓練數據

?應用數據

?開發成本

?維護成本

?決定是否使用自然語言理解的流程