三、交互模塊：語音達商用門檻，語義理解亟待提升

　　1 智能語音技術已經達到商用門檻

　　語音語義發展歷經三階段，規則階段進展甚微，統計階段第一次爆發，深度學習是第二次爆發。20世紀50年代到70年代，在語音識別領域由規則主導，瓶頸無法破除發展緩慢，IBM幾百個詞70%的識別度；20世紀70年代到20世紀末，發展迅速，統計與規則角力，并逐步解決語音識別、詞性分析、句法分析問題；21世紀初，由于計算能力增強語音技術有了重大突破，2006年至今，深度學習繼續在語音識別領域完善。

   2 語義理解仍需時日，靜待深度學習算法突破

　　自然語言處理（NLP）：詞法和句法基本解決，語義目前僅是淺層處理。NLP分析技術大致分為三個層面：詞法分析、句法分析和語義分析。

　　1）詞法分析

　　詞法分析包括分詞、詞性標注、命名實體識別和詞義消歧。分詞和詞性標注好理解。命名實體識別的任務是識別句子中的人名、地名和機構名稱等等命名實體。每一個命名實體都是由一個或多個詞語構成的。詞義消歧是要根據句子上下文語境來判斷出每一個或某些詞語的真實意思。

　　2）句法分析

　　句法分析是將輸入句子從序列形式變成樹狀結構，從而可以捕捉到句子內部詞語之間的搭配或者修飾關系，這一步是NLP中關鍵的一步。目前研究界存在兩種主流的句法分析方法：短語結構句法體系，依存結構句法體系。其中依存關系句法體系現在已經成為研究句法分析的熱點。依存語法表示形式簡潔，易于理解和標注，其可以很容易的表示詞語之間的語義關系，比如句子成分之間可以構成施事，受事，時間等關系。這種語義關系可以很方便的應用魚語義分析和信息抽取等方面。依存關系還可以更高效的實現解碼算法。句法分析得到的句法結構可以幫助上層的語義分析，以及一些應用，例如機器翻譯、問答、文本挖掘、信息檢索等。

　　3）語義分析

　　語義分析的最終目的是理解句子表達的真實語義。但是用什么形式來表示語義一直沒有能夠很好的解決。語義角色標注是比較成熟的淺層語義分析技術。給定句子中的一個謂詞，語義角色標注的任務就是從句子中標注出這個謂詞的施事、受事、時間、地點等參數。語義角色標注一般都在句法分析的基礎上完成，句法結構對于語義角色標注的性能至關重要。

　　自然語言處理難點：詞義消歧是瓶頸，中文相對英文更難。之一：切詞，中英文自然語言處理都有一個先行環節，就是把輸入的字符串分解成為詞匯單位；之二：詞類標注；之三：語法理論；之四：詞義消歧。