计算机是怎么理解人类语言的？
让计算机理解人类语言
“教”计算机理解人类的自然语言这部分工作，称作自然语言理解（Natural Language Understanding / NLU）。
可以算作自然语言处理（Natural Language Process / NLP）的一部分。
具体要做的事情，就是让计算机“明白”人类正常讲话时使用的语言，而不是几个英文关键字加一堆参数的格式化的指令。
这是怎么做到的呢？让我们先来看看：
人类如何理解自然语言
举个例子，我说“苹果”这个词，你会想到什么？
一种酸酸甜甜红红绿绿的球状水果，对吧。想起来的时候，或许脑子里会出现苹果的图像，回味起它香甜的味道；或者想起和苹果有关的其他水果、食物……
我们人类理解语言的时候，是把一个抽象的词语和一个具体的事物关联起来。这个事物是我们头脑中知识库图谱里的一个节点，和周围若干节点直接相连，和更多节点间接相连……
计算机如何理解自然语言
我们用键盘敲出“苹果”两个字的时候，计算机并不会幻视出一个水果，也不会像人那样“意识到”这个单词的含义。
无论通过输出设备显示成什么样子，计算机所真正能够处理的，是各种各样的数值。
要想让计算机理解人类的语言，就需要把人类的语言转化成它可以用来读取、存储、计算的数值形式。
当若干自然语言被转换为数值之后，计算机通过在这些数值之上的一系列运算来确定它们之间的关系，再根据一个全集之中个体之间的相互关系，来确定某个个体在整体（全集）中的位置。
这么说有点绕，还是回到例子上。很可能，我说“苹果”的时候，有些人首先想到的不是水果，而是乔帮主的公司创造的各种科技产品。
但是，我继续说：“苹果一定要生吃，蒸熟了再吃就不脆了。”——在这句话里，“苹果”一词确定无疑指的是水果，而不是公司。
因为在我们的知识库里，都知道水果可以吃，但是公司不能吃。出现在同一句话中的 “吃”对“苹果”起到了限定作用——这是人类的理解。
对于计算机，当若干包含“苹果”一词的文档被输入进去的时候，“苹果”被转化为一个数值Va。经过计算，这个数值和对应“吃”的数值Ve产生了某种直接的关联，而同时和Ve产生关联的还有若干数值，它们对应的概念可能是“香蕉”（Vb）、“菠萝”（Vp）、“猕猴桃”（Vc）……
那么据此，计算机就会发现Va，Vb，Vp，Vc之间的某些关联。怎么利用这些关联，就要看具体的处理需求了。
计算机处理自然语言必经由两个步骤：i）数值化和ii）计算。
换句话说，机器理解人类语言，需要把“人话”转化成一系列数值，再对这些数值进行计算。
I. 数值化
如何把人话（自然语言）转换为数值呢？
首先需要注意一点：说到数值，大家可能本能的想到int, double, float……
但如果将一个语言要素对应成一个标量的话，太容易出现两个原本相差甚远的概念经过简单运算相等的情况。
假设“苹果“被转化为2，而”香蕉“被转化为4，难道说两个苹果等于一个香蕉吗？
因此，一般在处理时会将自然语言的单位语素转化成n维向量。
只要转化方式合理，规避向量之间因为简单运算而引起歧义的情况还是比较容易的。
此处需要一个步骤，把原始文字形式的训练数据转化为数值形式。为了做到这一点，我们需要构建一个向量空间模型（Vector Space Model/VSM）。
VSM负责将一个个自然语言文档转化为一个个向量。说到具体的转化方法，我们之前已经有文章介绍过，此处不赘述了。
II. 计算
自然语言已经转化为了数值形式，那么下一步，究竟进行怎样的计算呢？
这就要看你具体要做什么事情了。在自然语言理解（NLU）中，负责来进行具体计算的那个部分，叫做：模型！
根据要做的事情不同，模型也是各种各样的。
比如，在开发问题解决型聊天机器人的过程中，为了理解用户用自然语言提出的问题，我们就需要意图识别和实体提取模型。
模型是什么
一个已经训练好的模型可以被理解成一个公式 y=f(x)，我们把数据（对应其中的x）输入进去，得到输出结果（对应其中的y）。
这个输出结果可能是一个数值，也可能是一个标签，它会告诉我们一些事情。
比如，我们把用户说的一句话输入识别用户意图的分类模型。模型经过 一番运算，吐出一个标签，这个标签，就是这句话的意图。
在把这句话再输入到实体提取模型里面。模型会吐出一个List，其中每一个element都是一个实体。
模型是怎么得到的？
模型是基于数据，经由训练得到的。
训练又是怎么回事？
当我们把模型当做y=f(x)时，x就是其中的自变量，y是因变量。从x计算出y要看f(x)是一个具体什么样的公式，这个公式中还有哪些参数，这些参数的值都是什么。
训练的过程就是得到具体的某个f(x)，和其中各个参数的具体取值的过程。
在开始训练的时候，我们所有的是x的一些样本数据，这些样本本身即有自变量（特征）也有因变量（预期结果）。对应于y=f(x)中的x和y取值实例。
这个时候，因为已经选定了模型类型，我们已经知道了f(x)的形制，比如是一个线性模型y=f(x)=ax^2+bx+c，但却不知道里面的参数a,b,c的值。
训练，就是要将已有样本经过依据某种章法的运算，得到那些参数的值，由此得到一个通用的f(x)。
这些运算的章法，就叫做：算法。
说到算法，就涉及到了机器学习的内容，经过几十年的研究，已经有很多现成的算法可以用于获得不同类型的模型。
此处有一点和之前呼应，就是：任何算法的处理对象都是数值。
用于训练模型的数据有个专名的名称称呼它们：训练数据。训练数据的集合叫做训练集。
将训练数据输入给算法进行计算，最终就得到了我们想要的模型：训练数据 + 算法 => 模型
然后用得出的模型去处理更多的数据，用来获取模型对这些新数据的判断——例如：识别意图，或者抽取实体——计算机也就因此而理解了人类的自然语言。