1.自然语言处理是什么？
NLP（Natural Language Processing）= NLU（Understand）+NLG（Generation）
自然语言处理 = 自然语言理解+自然语言生成
NLU 负责理解内容，NLG 负责生成内容。
例如商场里的聊天机器人，“”你问小六汤包在哪里？“NLU技术用来理解用户的意图，理解用户想表达的意思。NLG负责回答：“在商场五楼。”
例子：传统的机器翻译，给出12组翻译对， 请翻译出最上面的话：
使用的就是概率统计，例如farok这个单词，在第五组和第7组出现了farok，在其翻译中都出现了jjat这个词。那么farok翻译为jjat的概率最大。最开始机器就是这样翻译的，找出每个单词的含义，然后按着原顺序组合起来。
这样的缺点就是：速度慢、语义不通、上下文考虑不到、语法不对。
解决方法：——速度慢（通过AI/模型）
——语法不对（通过语言模型）
2.机器翻译的基础架构：
分为两个步骤：
步骤1：分词——>通过词典找出每个词的翻译（Broken English，不通顺）
如何将不通顺的语句变为符合语法规则的语言呢？
步骤2：将刚才每个单词进行排列组合（ 计算方法是n！）——>通过语言模型选择器计算，找出最合适的语序
总结：分词——>单词翻译——>排列组合——>选择最通顺的序列
缺点：两个步骤导致计算量大（n！），复杂度大概是（2^n,属于NP问题，无法解决），动态规划（DP）可以将两个模块同时考虑。
将机器翻译划分为三部分：
语言模型：是我们需要提前训练好的，判断这句话语义通顺的概率。
翻译模型：就是词典，键值对，类似中英字典，中法字典。你输入一个词，给你返回出翻译结果。
Decoding Algorithm：就是将语言模型和翻译模型都考虑进来，提高了运行速率。