語義辨認可以分為三層：
1.運用層：
包含行業運用和智能語音交互體系/技巧運用。
2.NLP技巧層：
包含以說話學、盤算機說話等學科為配景的，對天然說話停止詞語解析、信息抽取、時光因果、情感斷定等等技巧處置，終究到達讓盤算機“懂”人類的說話的天然說話認知，和把盤算機數據轉化為天然說話的天然說話生成。
a）詞語解析與信息抽取：包含分詞、詞性標注、定名實體辨認和詞義消歧，從給定文本中抽取主要的信息。
b） 句法解析與語篇懂得：對篇章構造的一系列持續的子句、句子和語段間必定條理構造和語義關系的剖析，包含時光、事宜、因果關系等，乃至于文本所攜帶的情感辨認。
c） 天然說話生成：從構造化數據中以可讀處所式主動生成文本的進程。包含三個階段：文本計劃（完成構造化數據中基本內容的計劃）、語句計劃（從構造化數據中組合語句，來表達信息流）、完成（發生語法通暢的語句來表達文）。
3.底層數據層：辭書、數據集、語料庫、常識圖譜，和內部世界知識性常識等都是語義辨認算法模子的基本。
說話自己詞性、詞性、詞義、表意、構成邏輯龐雜等性質，決議了語義辨認的難度。因此語義辨認技巧也觸及說話學、盤算機說話、數學、統計學、哲學、生物學等諸多普遍的學科支持：
a）音韻學 ：指代說話中發音的體系化組織。
b）詞態學：研討單詞組成和互相之間的關系。
c）句法學：給定文本的哪部門是語法準確的
d）語義學：給定文本的寄義是甚么？
e）語用學：文本的目標是甚么？
語義辨認運用場景
語義辨認技巧可以剖析網頁、文件、郵件、音頻、服裝論壇t.vhao.net、社交媒體中的年夜量數據，運用范疇普遍，既可以直策應用于醫療、教導、金融等行業。也能夠經由過程技巧接口運用于一切智能語音交互場景，如智能家居、車載語音、可穿著裝備、VR、機械人等，從交互的方法上，也能夠分為：現實問答、常識檢索、分類成績等。智能語音交互被看作將來人工智能技巧中最值得等待的運用場景。
1）醫療+：
電子病例體系：為醫療專業人士供給及時語音聽寫、電子病歷錄入等。
智能問診/幫助診斷：直接辦事于C端用戶或許醫療專業人士，經由過程對癥狀的描寫，癥結詞查詢，停止病癥的初步斷定，分類科室、幫助診斷等。
數據庫查詢：為臨床專業人士供給語音導航、相干論文、文獻材料庫檢索查詢等。
2）教導+：
白話測評：基于天然說話處置技巧停止白話才能的測評。
自順應進修：經由過程人工智能技巧，題庫體系，和算法模子，依據先生在測試中對上一道成績的答復情形，主動調劑先生接上去所需答復成績的難度溫柔序，以到達讓每個先生具有最適合的進修計劃。
教導機械人：以激起先生進修興致、造就先生綜合才能為目的的機械人硬件產物，和智能教導體系。
3）金融+：
主動申報生成：將公司年報、招股書、行業消息、司法通知布告等構造化和非構造化的信息、數據停止處置，而且構造化生成申報，辦事于投資銀行，證券研討機構。
風控/征信：經由過程爬去小我及企業在其主頁、社交媒體、消息中的文本，剖析、猜測、斷定其投資風險點。
量化生意業務：應用天然說話處置，深度進修（Deep Learning）等多種AI技巧，停止量化生意業務模子的樹立。
智能投顧：以更壯大的盤算機模子應用人工智能的技巧對年夜量客戶停止財富畫像，為客戶量身定制的資產治理投資計劃。
潛伏客戶發掘/定制化保險。
4）司法+：
智能司法檢索：對數字化司法文本、裁判文書等司法材料的檢索。
主動核閱：對司法文件、合一致文件停止審查、剖析和研討，停止查詢拜訪取證、失職查詢拜訪、合規審查、電子取證等。
智能文書草擬：人工智能體系將能夠草擬年夜部門的生意業務文件和司法文件乃至告狀書、備忘錄和判決書，律師的腳色將從草擬者釀成審校者。
在線司法辦事/司法機械人：直接向終端用戶供給普通司法征詢辦事，好比遺言、婚姻征詢、交通變亂征詢等。
5）消息/文獻+：
重新聞素材收集、智能編纂、主動寫作、主動化文摘生成，到消息的智能分發，語音/語義辨認、AI翻譯等技巧正在周全的停止消息流傳行業。依據騰訊研討院盤算，曩昔8年，消息業支出削減了1/3，失業崗亭削減了1.7萬個。
6）智能貿易+：
智能/虛擬客服：基于體系數據庫、常識圖譜，在與客戶的對話中，獲得客戶需求，并供給響應的謎底來處理客戶的成績。
輿情監控：經由過程對互聯網的海量信息主動抓取、分類聚類、主題檢測、專題聚焦、完成對收集輿情監測和消息專題追蹤等，并能構成剖析申報，提出應對戰略。
數據發掘/智能營銷：人工智能技巧處置技巧關于用戶在互聯網上留下的年夜量小我信息、登錄信息、途徑關系、社交關系、花費記載等數據有極高的處置效力，經由過程各類算法模子，到達數據發掘，用戶精準需求剖析，主動化營銷等目標。
7）翻譯+：
基于深度進修技巧的神經翻譯技巧（NMT），比擬較于規矩法（RBMT）、統計法 （SMT）兩種機械翻譯辦法，最年夜的長處在于1.不在須要工資的去抽取特點；2.不須要停止詞語切分、詞語對齊、句法樹設計等龐雜的設計任務，而跟著樣本庫的擴大和練習量的增長，其翻譯才能獲得正向晉升。
將來，基于深度進修的翻譯技巧將更多的運用在會話、同聲翻譯、文本翻譯等多種場景。
語義辨認情況配景剖析
語音辨認、語義辨認是天然說話處置最主要的兩項技巧，且接洽慎密，在上述語義辨認的普遍運用場景中，經常是語音、語義互相嵌套，配合感化的成果，年夜多半研討語義辨認的公司也觸及到語音辨認技巧的研討，因此下述的剖析中，觸及數據方面，我們更多的是放在“天然說話處置”層面來評論辯論的。
天然說話處置作為一項主要的人工智能技巧之一，成為 2017年最炙手可熱的范疇，在全體上離不開政策上的支撐，技巧上的停頓，市場運用的極低價值，本錢投資等多方面的配合感化。
政策層面：政策引誘是語義辨認增加的內在驅動
人工智能作為國度計謀成長計劃之一，足見其主要性，在這個政策的綱要下，國度型天然迷信基金、家當基金、處所當局財稅優惠政策、人工智能相干試驗室、科技家當園區等實在增進人工智能的成長落地，為主動駕駛、盤算機視覺、語音/語義辨認創業供給了更好的前提和基本舉措措施。
經濟層面：經濟價值是語義辨認成長的燃料
一方面，天然說話處置運用場景普遍，市場潛力和經濟價值偉大，Global Market Insights的數據顯示，2017-2024這七年，智能語音交互的全球市場，每一年增加率將到達34.9%。據預算，2024年的全球市場范圍，將到達720億元。
另外一方面，國際本錢關于天然說話處置的投入也相當偉大，依據鯨準App數據統計，截止今朝，天然說話處置已表露融資總額累計超 54 億元。
自2015年以來，本錢每一年在天然說話處置范疇的投資到達10億元以上，2017年投資總額到達了18億，從趨向上，近幾年本錢關于天然說話處置創業公司的存眷度賡續上升，本錢投入也在加年夜（2015年5起、2016年12起、2017年1起未表露金額投資事宜未計入下表統計）。
另外，在創業獲投率上，天然說話處置相干公司的獲投率到達驚人的50%以上。
社會層面：機會與障礙共存
天然說話處置技巧的成長給生涯帶來極年夜的方便，人機交互更天然，更豐碩。但是技巧的逐步深刻，在發明更多經濟價值的同時又不能不面臨隨之而來能夠發生平安性、準確性、公正性、品德原則等成績。
技巧層面：技巧提高語義辨認成長的焦點
1. 數據量。
經由互聯網、社交收集、行業信息化、云存儲的成長，許多處所就積聚了足夠量的數據。當數據量缺乏時，天然說話處置還只能停止淺層模子剖析，精確性上遭到限制；當數據量增年夜，應用RNN、CNN為代表的神經收集深度算法模子對數據停止更龐雜、準確的建模，從而使說話、語義的辨認到達更好的后果。
2. 算法模子。
語義辨認的完成離不開NLP說話處置義務體系，跟著更年夜語料庫的扶植和語料庫說話學的突起，基于密集向量表征的神經收集在多種NLP義務上的運用取得優良結果。
雖然深度進修算法模子其實不是天然說話處置最好的方法，但確是今朝研討天然說話處置表示最好的方法，它在必定水平上減緩了詞面不婚配、數據稀少、語義鴻溝等成績。
天然說話處置創業數據與投資存眷靜態
1.天然說話處置創業數據
依據鯨準App數據統計，自2010年起，國際有關于天然說話處置的新創公司有179家，分離在2014年、2015年和2016年出現公司成立激增的狀況，而2017年公司創建有顯著的下滑狀況，剖析緣由，一方面如思必馳、云之聲、助理來也等先發成立的始創公司在時光、技巧、融資方面曾經獲得不小的優勢，另外一方面，在新技巧運用場景開辟、技巧人才網job.vhao.net貯備上有一個斷檔期。
2.天然說話處置相干標簽熱度
鯨準App近5個月的標簽存眷熱度顯示，天然說話處置全體存眷度連續增加，個中語音辨認存眷度從7月以來增加顯著，而機械翻譯、語音小我助手的存眷熱度較之前有所下滑，其他語義辨認、聊天機械人、智能客服、智能音響出現穩固的動搖和連續的存眷狀況。
3.科技巨子相干停頓
虛擬助理，智能音箱，AI翻譯……科技巨子本年在語音、語義辨認范疇有很多年夜停頓。
蘋果Siri，谷歌Assistant，微軟小娜，三星Galaxy S8也在本年宣布了本身的Bixby智能助理，京東、阿里巴巴、百度、聯想、小米、出門問問和喜馬拉雅等公司都接踵宣布和更新迭代了本身的智能音箱產物，搶占家庭場景進口；包含Google、Facebook、微軟、百度、騰訊、搜狗在內的各年夜技巧巨子卻在竭盡全力地推動深度進修在機械翻譯范疇的研發和運用……
4.天然說話處置創業代表廠商
國際最早的天然說話處置創業公司在經由幾年的成長，曾經在許多范疇取得比擬年夜的結果，各年夜廠商在辨認技巧上表現出來的差別性其實不是太年夜，值得留意的是，語音辨認、語義辨認技巧應當加倍看重場景的垂直，在這方面，各年夜廠商各有定位和建樹，因此，精準App數據中間只羅列展現了數據庫中所受存眷度較高的項目（排名不分前后）。
