- 语言任务
- 信息提取
START WITH A QUESTION
一句报修描述，包含好几种任务
“二楼会议室的空调不制冷，下午有人开会。”工作人员能从中找到地点、设备、故障和时间线索。计算机处理这句话时，也需要先明确任务：是判断报修类别，还是提取字段，或查找相似案例？
自然语言处理研究如何用计算方法处理人类语言。同一句话可以产生多种结果，但每种结果都有不同的正确标准。先弄清任务，比一开始就选择某个语言模型更重要。
BUILD YOUR VOCABULARY
先把三个概念讲清楚
文本分类
为整段文字选择一个或多个类别。类别集合需要提前定义，边界模糊时可以保留人工复核。
把描述归为“空调报修”，而不是输出一段自由回答。
信息提取
从原文中找出字段及其对应内容。缺失值应标为未知，不能为凑齐表格编造。
地点：二楼会议室；设备：空调；故障：不制冷。
语义匹配
比较两段表达的含义是否相关。语义指含义，不只是字符是否一样。相似不代表内容完全相同或结论一定成立。
“冷气没有效果”可能与“不制冷”相关，但“不要关闭冷气”是另一种意图。
FOLLOW THE PROCESS
把原理放进完整流程
- 01
保留原文
原始描述作为追溯依据，清洗时不删除可能改变含义的否定词。
- 02
明确任务
选分类、提取或检索，给出目标格式和允许类别。
- 03
产生候选结果
用规则或模型处理文本，并标记不确定或缺失字段。
- 04
验证并补问
检查原文依据与字段格式，必要时请用户确认。
| 任务 | 输出示例 | 验收关注点 |
|---|---|---|
| 分类 | 空调报修 | 类别是否正确 |
| 提取 | 设备=空调、故障=不制冷 | 内容是否来自原文 |
| 匹配 | 找到相似报修记录 | 相关记录是否排在前面 |
CHANGE ONE THING & OBSERVE
让同一段文字完成不同任务
选择示例文本与任务，查看输出如何变化。本实验使用明确的词表规则，不调用语言模型，故意保留歧义和缺失情况。
- 设备
- 空调
- 地点
- 二楼会议室
- 故障
- 不制冷
规则只识别本例列出的词与一个否定短语，无法泛化到所有自然语言。切换到“不要报修”可观察不同输出的边界。
KNOW THE LIMITS
哪些结论不能直接推出？
删除一个“不”，就改变了任务
清洗文字不是越短越好。否定、时间、单位和指代都可能影响含义。
字段齐全不等于字段真实
如果原文没有地点，正确行为是补问，而不是从相似历史案例中复制地点。
READ, RUN & EXPLAIN
用可解释的规则提取两个字段
以下示例仅使用 Python 3 标准库，可复制到本地 Python 环境运行。先看每一行的作用，再修改一个输入观察结果；无需网络或密钥。
text = '二楼会议室的空调不制冷'
devices = ['空调', '水泵']
device = next((word for word in devices if word in text), '未知')
fault = '不制冷' if '不制冷' in text else '未知'
result = {'设备': device, '故障': fault}
print(result)复制或下载只获取本课示例，不会自动执行。
逐行解释（6 行）
- 第 1 行
text = '二楼会议室的空调不制冷'保存原文，不修改否定词。
- 第 2 行
devices = ['空调', '水泵']定义可识别设备词表，这只是小范围教学规则。
- 第 3 行
device = next((word for word in devices if word in text), '未知')依次查找词表中的词，取第一个命中项；没有命中返回未知。
- 第 4 行
fault = '不制冷' if '不制冷' in text else '未知'条件表达式先检查故障短语是否出现，否则保持未知。
- 第 5 行
result = {'设备': device, '故障': fault}把提取结果组织成字典，便于后续界面使用。
- 第 6 行
print(result)输出结果。本规则无法可靠处理同义句、多设备和复杂指代。
{'设备': '空调', '故障': '不制冷'}CHECK YOUR UNDERSTANDING
换一个角度，检查自己是否理解
已回答 0 / 3 题 · 当前答对 0 题
TAKE IT WITH YOU
带走三个判断，再做一次迁移练习
- 分类、提取和匹配有不同输出与验收方法。
- 保留否定词、时间和原文出处。
- 规则可作为基线，复杂语言仍需要专门评估。
参考与延伸阅读
本课例子、代码和模拟数据为教学设计。以下一手文档用于延伸核对，不代表对本示例的认证。
- Python 官方教程：数据结构列表、集合与队列等示例语法参考。
- scikit-learn：模型评估评估指标与预测、决策的区别。
- IBM：检索增强生成检索与生成组合的进一步说明。
- NIST：AI 风险管理框架可靠性与风险管理的延伸阅读；不是特定项目的合规结论。