核心要点

  • 能定义 NLP 并区分理解与生成任务

  • 举出搜索、翻译、对话、信息抽取等典型应用

  • 说明从规则 → 统计 → 深度学习 → 大模型的演进脉络

  • 能谈数据、标注成本与多语言/低资源挑战

简要回答

定义：自然语言处理（NLP） 是人工智能中研究如何让机器处理人类语言的学科，输入输出多为文本或语音转写文本；

核心任务族

  • 理解：分类、命名实体识别（NER）、情感分析、语义检索
  • 生成：机器翻译、摘要、对话、代码生成
  • 结构化：信息抽取、关系抽取、知识图谱构建

为何重要

  1. 非结构化文本占企业数据大头，NLP 是解锁其价值的关键
  2. 搜索推荐、智能客服、合规审核、医疗病历结构化等直接依赖 NLP
  3. 预训练 Transformer 与 BERT/GPT 大幅降低落地门槛

技术演进：规则与词典 → 统计模型（HMM、CRF）→ 神经网络 → 预训练 + 微调 → 指令对齐的大模型

标准回答

定义：自然语言处理（NLP） 是人工智能中研究如何让机器处理人类语言的学科，输入输出多为文本或语音转写文本。

核心任务族

  • 理解：分类、命名实体识别（NER）、情感分析、语义检索
  • 生成：机器翻译、摘要、对话、代码生成
  • 结构化：信息抽取、关系抽取、知识图谱构建

为何重要

  1. 非结构化文本占企业数据大头，NLP 是解锁其价值的关键
  2. 搜索推荐、智能客服、合规审核、医疗病历结构化等直接依赖 NLP
  3. 预训练 Transformer 与 BERT/GPT 大幅降低落地门槛

技术演进：规则与词典 → 统计模型（HMM、CRF）→ 神经网络 → 预训练 + 微调 → 指令对齐的大模型。

工程注意：分词与 Tokenization 影响成本；标注质量决定上限；需评估偏见、幻觉与隐私合规。详见 NLP 入门。

常见误区

⚠️ 常见踩坑

把 NLP 等同于 ChatGPT；忽略传统特征工程在资源受限场景的价值；说不清「理解 vs 生成」任务差异。

追问

追问 1：NLP 和 LLM 是什么关系？

题库专题：词性标注（POS）在 NLP 中有何意义？

LLM 是 NLP 的一个子集与当前主流范式：用大规模自监督预训练获得通用语言表示，再通过微调/提示完成各类 NLP 任务。传统 NLP 方法（TF-IDF、HMM）在解释性、小数据、边缘部署场景仍有价值。

题库延伸：与本追问相关的专题题 → 词性标注（POS）在 NLP 中有何意义？

追问 2：中文 NLP 有哪些特殊难点？

无天然词边界需分词；简繁、方言、网络用语；多义与省略更常见。需选用适合中文的分词器（jieba、LTP）或 subword 模型，并注意领域适配与 OCR 噪声。

追问 3：如何评估一个 NLP 系统？

分类用 Accuracy/F1；翻译用 BLEU/COMET；摘要用 ROUGE；检索用 Recall@K、MRR；生成任务还需人工评测与幻觉检测。线上要监控延迟、成本与数据漂移。

延伸学习

与本题相关的知识库文章、术语、工具与行业资讯。

📚 知识库

📖 术语表

📰 AI 资讯

🛠️ AI 工具

  • spaCy

    工业级 Python NLP 库，33K+ stars。提供高效的文本分词、命名实体识别、依存句法分析等能力，内置预训练模型支持 70+ 语言，是生产环境 NLP 任务的标准选择

🎯 相关面试题