语义信息概述

大家好，欢迎来到IT知识分享网。

什么叫语义信息？

语义信息领域比较广泛，我们只关注计算机领域，也就是发现一串数据中蕴含的信息。

图像领域

• 视觉层即通常所理解的底层，即颜色、纹理和形状等等，这些特征都被称为底层特征语义；
• 对象层即中间层，通常包含了属性特征等，就是某一对象在某一时刻的状态；
• 概念层是高层，是图像表达出的最接近人类理解的东西。

通俗点说，比如一张图上有沙子，蓝天，海水等，视觉层是一块块的区分，对象层是沙子、蓝天和海水这些，概念层就是海滩，这是这张图表现出的语义。

自然语言处理

• 在统计学习时代，一般采用符号表示（Symbol-based Representation）方案，即每个词都看做互相独立的符号。例如，词袋模型（Bag-of-Words，BOW）是最常用的文本表示方案，忽略文本中词的出现顺序信息，广泛用于文本分类、信息检索等任务。N-Gram也是基于符号表示的语言模型，与BOW模型相比，将句子中词的出现顺序考虑了进来，曾在机器翻译、文本生成、信息检索等任务中广泛使用。
• 到深度学习时代，一般采用分布式表示（Distributed Representation或Embeddings）方案，每个语言单元（包括但不限于字、词、短语、句子、文档）都用一个低维稠密向量来表示它们的语义信息。分布式表示是深度学习和神经网络的关键技术。

语音

从自然语言理解概念的提出，到后续计算语言学（Computational Linguistics，CL）和自然语言处理（Natural Language Processing，NLP）相关术语的出现，伴随自动语音识别（Automatic Speech Recognition，ASR）和语音 合成（Text To Speech Synthesis，TTS）姊妹技术的同步发展，被统称为人类语言技术（Human Language Technology，HLT）的学科方向已经走过了近70年的曲折路程。近年来，从技术应用的角度来看，以机器翻译、人机对话系统、语音识别和语音合成等为代表的应用系统性能快速提升，在人类社会生产和生活中发挥了越来越大的作用。