Contoh : lampu dikontrol melalui suara, melalui device alexa. Alat tersebut membutuhkan bantuan NLP, bagaimana cara mentransfer suara kita sehingga bisa diproses oleh mesin. Beberapa bagian pada NLP : 1. Machine Translation, contoh : Google Translate. 2. Sentiment Analysis, contoh : Memfilter apakah sebuah email termasuk spam atau tidak. 3. Question Answering, contoh : Sistem yang bisa melakukan tanya jawab, contoh : chatbot. 4. Summarization, contoh : Sistem yang dapat meringkas suatu teks. 5. Semantic Parsing, contoh : Sistem yang dapat memecah kalimat dan mendeskripsikan potongan kata tersebut. 6. Natural Language Inference : Sistem yang dapat menghubungkan antar kalimat, apakah kalimat tersebut berhubungan atau bertolak belakang. 7. Paraphrase Identification : Sistem yang dapat melihat apakah kalimat kedua merupakan paraphrase dari kalimat pertama. 8. Syntactic Parsing and Part-of-Speech Tagging : Sistem yang dapat memecah kalimat menjadi beberapa kata, dan dapat menyebutkan struktur dari kalimat tersebut. Background dan Konteks NLP 1. 1960 : Pattern-Matching 2. 1970-80s : Linguistically rich, logic-driven systems. 3. 1990-2000s : Statistical modelling revolution 4. 2010s : Deep Learning 5. 2018 : Semi supervised Learning Bahasa alami sangat ambigu, banyak kata yang rancu sehingga sulit dimengerti oleh mesin, bersifat tidak pasti (fuzzy). Namun jika kita berhasil membangun sistem NLP, kita dapat memudahkan beberapa pekerjaan terkait. Klasifikasi menggunakan Neural Network Ide : Bagaimana cara kita memetakan suatu kalimat kedalam kelas yang sesuai. Permasalahan : Cara kita merepresentasikan inputnya, bagaimana apakah positif atau negative Opsi 1 : One-hot vectors Opsi 2 : Word Embeddings
Pendekatan sederhana untuk komunikasi profesional: Panduan praktis untuk komunikasi profesional dan strategi komunikasi bisnis tertulis dan interpersonal terbaik