用在自然语言处理上的业务应用有哪一些

你可能还没有意识到，自然语言处理（NLP）对于企业来说已经不仅仅是一种新兴的技术，它还是一种每天都在广泛使用的技术。在线搜索、拼写检查——机会所有涉及语言的功能都包含自然语言处理算法。

自然语言处理算法会教导计算机像人一样使用语言。如果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——自然语言处理的雏形——以二战中破译技术为蓝本。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。由于一家公司如果不能翻译的话就无法在国际市场上发展，所以自然语言处理是一项从一开始就有商业案例的技术。今天，自然语言处理就像通信本身一样，是企业工作内容的一部分。

下面是新兴的4个自然语言处理业务应用，如果你的企业正在考虑使用自然语言处理，可以从下面的应用着手。

1、神经机器翻译

机器翻译（MT）曾经是很可笑的，但是现在发展得还不错。因为自然语言处理软件以人类的方式学习语言，所以我们可以把机器翻译视为幼儿阶段。随着时间的推移，越来越多的词语被添加到引擎中，然后幼儿成长为滔滔不绝的少年。机器翻译的质量本质上取决于你给的单词数量，这需要花费一点的时间，这使得最初机器翻译难以有所扩展。

所幸的是，对于那些不希望花时间等待引擎“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现在也提供各自的系统，与其竞争。在神经机器翻译之前，机器翻译引擎只能单向运行——比如把西班牙语转换成英语。如果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开始。如果想添加第三种语言的话，那你就是疯了。但是通过神经机器翻译，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、几年时间取得了惊人的发展。现在，企业可以安全地使用机器学习来翻译影响较低的内容：例如产品评论、没人阅读的监管文档、电子邮件。

但是需要注意的是：免费的机器翻译工具——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被指控的泄露事件使得员工密码、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——如果你使用Asia Online、Systran等定制专业工具的话。当你在在线免费工具中输入内容的时候，你可要小心了。

2、聊天机器人

如果机器翻译是最古老的自然语言处理例子之一的话，聊天机器人就是最新的例子了。机器人通过集成Slack、Skype和Microsoft Teams来简化功能。当聊天机器人最早上线的时候，是面向消费者的。例如，如果你在Facebook Messenger中输入“披萨”的话，Domino的机器人就会询问你是否需要下单。像这样的交互有助于推动B2C销售，但是在B2B的世界中，没有人希望购买提醒打断他们在Slack中的交互。

所以在过去的一年中，初创公司已经将这项技术运用于其他领域：大多数企业机器人都在优化HR。首先，一款名为Talla的自然语言处理工具可以回答常见的员工问题，例如“我还剩多少假期？”以及“我的保险什么时候开始？”Chatbot Polly则可以发起员工投票，从工作环境满意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相互称赞的频率。当使用“赞”、“欢呼”、“赞成”这样的词语时，员工就会得到奖励。联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，自然语言处理软件一直在帮助招聘经理们筛选简历。使用和Google搜索同样的技术，自动申请人筛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，这些平台使用的筛选算法也有出现了很多错误。例如一位申请人把自己称为“可以为业务增长集思广益的人”，而不是“外部销售代表”：她的建立并没有出现在搜索结果中，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。

今天的系统不再是确切的关键字匹配。例如，Scout可通过搜索HR最初提供的关键字来处理同义词问题，然后使用结果来识别要查找的新关键词。通过搜索新的术语（例如“业务增长”），合格的候选人不会被漏掉。而且由于女性和少数民族使用不同语言，这个过程也确保了他们不会被漏掉。

当然，如果不适用的话，是不会考虑多样化的候选人。为了解决这个问题，Textio诞生了。共同创始人和首席执行官Kieran Snyder表示，增强书写工具使用语义分类（自然语言处理技术）来帮助照片人员制作不分性别的工作描述。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究表明，你会看到申请人数量的急剧增加：Syyder表示，强生公司的女性申请人增加了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时间加快了3倍。”

4、会话搜索

与Talla一样，Second Mind也希望能回答所有员工的问题。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候，Second Mind就会启动搜索功能，回答你的问题。

例如，你正在参加董事机会会议，有人说：“去年的投资回报率是多少？”这时候Second Mind就会扫描公司的财务数据、或者其他任何他们询问的内容，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%的时间搜索信息。通过简化实时对话中的搜索，Second Mind承诺可提高生产力。

Talla共同创始人兼首席执行官Rob May表示：“据称Wolfram、Semantic Machines、Nuance和微软都在开展相关项目。”

责任编辑：ct