至顶网CIO与运用频道 12月18日 编译：你能够还没无看法到，自然言语处理（NLP）对于企业来说曾经不只仅是一种新兴的技术，它还是一种每天都在广泛运用的技术。在线搜索、拼写检查——机会一切触及言语的功能都包含自然言语处理算法。
自然言语处理算法会教导计算机像人一样运用言语。假如你从一组文档中手动搜索信息的话，你可以查看关键字，就像是搜索引擎一样。这就是为什么机器翻译——自然言语处理的雏形——以二战中破译技术为底本。开发者希望机器翻译可以把俄文翻译为英文。结果惨不忍睹，但是编码人员坚持这一点，一种新型的机器学习诞生了。由于一家公司假如不能翻译的话就无法在国际市场上发展，所以自然言语处理是一项从一末尾就有商业案例的技术。明天，自然言语处理就像通讯本身一样，是企业工作内容的一部分。
下面是新兴的4个自然言语处理业务运用，假如你的企业正在思索运用自然言语处理，可以从下面的运用着手。
1、神经机器翻译
机器翻译（MT）曾经是很可笑的，但是如今发展得还不错。由于自然言语处理软件以人类的方式学习言语，所以我们可以把机器翻译视为幼儿阶段。随着工夫的推移，越来越多的词语被添加到引擎中，然后幼儿长大为滔滔不绝的少年。机器翻译的质量本质上取决于你给的单词数量，这需求花费一点的工夫，这使得最后机器翻译难以有所扩展。
所幸的是，对于那些不希望花工夫等待引擎“长大”的企业来说，还有神经机器翻译可以选择。2016年微软的Bing Translator率先发布了神经机器翻译技术。Google Translate和Amaon Translate如今也提供各自的系统，与其竞争。在神经机器翻译之前，机器翻译引擎只能单向运转——比如把西班牙语转换成英语。假如你想把英语翻译成西班牙语的话，你就必须从一个不同的数据集重新末尾。假如想添加第三种言语的话，那你就是疯了。但是经过神经机器翻译，工程师们可以交叉运用这些数据。这从根本上加速了开发，让机器翻译引擎从零到几个月、几年工夫获得了惊人的发展。如今，企业可以安全地运用机器学习来翻译影响较低的内容：例如产品回复、没人阅读的监管文档、电子邮件。
但是需求留意的是：收费的机器翻译工具——不管是神经的还是非神经的——都是具有一定数据安全风险的。Translate.com被指控的泄露事情使得员工密码、合同、其他个人身份信息暴露在Google搜索结果中。机器翻译本身是非常安全的——假如你运用Asia Online、Systran等定制专业工具的话。当你在在线收费工具中输入内容的时分，你可要小心了。
2、聊天机器人
假如机器翻译是最陈旧的自然言语处理例子之一的话，聊天机器人就是最新的例子了。机器人经过集成Slack、Skype和Microsoft Teams来简化功能。当聊天机器人最早上线的时分，是面向消费者的。例如，假如你在Facebook Messenger中输入“披萨”的话，Domino的机器人就会讯问你能否需求下单。像这样的交互有助于推进B2C销售，但是在B2B的世界中，没有人希望购买提示打断他们在Slack中的交互。
所以在过去的一年中，初创公司曾经将这项技术运用于其他范畴：大多数企业机器人都在优化HR。首先，一款名为Talla的自然言语处理工具可以回答常见的员工成绩，例如“我还剩多少假期？”以及“我的保险什么时分末尾？”Chatbot Polly则可以发起员工投票，从工作环境称心度到他们希望休息室里提供什么零食。还有Growbot，一款Slack和Teams机器人，会监控聊天以查看员工互相称赞的频率。当运用“赞”、“喝彩”、“赞成”这样的词语时，员工就会得到奖励。结合创始人兼首席执行官Jeremy Vandehey表示，这将有助于经理们改善员工留住率和员工士气。
3、招聘工具
在HR方面，自然言语处理软件不断在协助招聘经理们挑选简历。运用和Google搜索异样的技术，自动央求人挑选工具会扫描候选人的简历，找到具有所需工作背景的候选人。但是与早期机器翻译技术一样，这些平台运用的挑选算法也有出现了很多错误。例如一位央求人把本人称为“可以为业务增长集思广益的人”，而不是“外部销售代表”：她的建立并没有出如今搜索结果中，这样你的公司就会错过一个有创意的、以客户为驱动的候选人。
明天的系统不再是确切的关键字婚配。例如，Scout可经过搜索HR最后提供的关键字来处理同义词成绩，然后运用结果来辨认要查找的新关键词。经过搜索新的术语（例如“业务增长”），合格的候选人不会被漏掉。而且由于女性和多数民族运用不同言语，这个过程也确保了他们不会被漏掉。
当然，假如不适用的话，是不会思索多样化的候选人。为了处理这个成绩，Textio诞生了。共同创始人和首席执行官Kieran Snyder表示，加强书写工具运用语义分类（自然言语处理技术）来协助照片人员制造不分性别的工作描画。Textio提供了从0到100的内容评分，提供了词汇、语法和格式提示，如“添加更多项目符号”。运用这些更改以及客户案例研讨表明，你会看到央求人数量的急剧添加：Syyder表示，强生公司的女性央求人添加了9%，艾利丹尼森公司增长了60%，“Expedia发现，性别中立的工作岗位人员到位工夫加快了3倍。”
4、会话搜索
与Talla一样，Second Mind也希望能回答一切员工的成绩。但这个工具不是机器人：它是一个语音激活平台，会在公司会议上收听“什么”和“我想知道”这样的触发性短语。当听到这些内容的时分，Second Mind就会启动搜索功能，回答你的成绩。
例如，你正在参加董事机会会议，有人说：“去年的投资报答率是多少？”这时分Second Mind就会扫描公司的财务数据、或者其他任何他们讯问的内容，然后在会议室的屏幕上显示结果。创始人Kul Singh表示，普通员工每天花费30%的工夫搜索信息。经过简化实时对话中的搜索，Second Mind承诺可提高消费力。
Talla共同创始人兼首席执行官Rob May表示：“据称Wolfram、Semantic Machines、Nuance和微软都在展开相关项目。” |
