Quote：
NLP is not magic, but the results you can get sometimes seem almost magical.
（“NLP 不是魔术，但是，其结果有时几乎就是魔术一般神奇。”）
引自：http://www.confidencenow.com/nlp-seduction.htm

【立委按】作为老兵，常常需要做行业概览（NLP Overview）之类的演讲，有时作为新人训练计划（orientation）的一部分，也有时是应朋友之邀去别处讲，为行业间交流的座谈形式。NLP 是做了一辈子，琢磨了一辈子的事儿，照林彪元帅的话说就是，已经“融化在血液里，落实在行动上”了。所以我从来就当是唠家常，走马谈花。无酒话桑麻，兴之所至，有时也穿插一些掌故，说过就完，烟消云散。可今年的一次演讲，有有心人细心记录在案（caught on tape），整理成了文档。虽然这次演讲枯燥一些（去年一次出外座谈，就精彩多了，现场气氛热络，笑声不断），也是赶上哪趟算哪趟，分享如下，未几对新人有益。删去敏感内容，这篇英语“科普”大体相当于我领导研发的系统的白皮书（white paper）吧。顺便预告一下，手头正在撰写姐妹篇【立委科普：NLP 联络图】，力求分层次对NLP及其相关领域做一个鸟瞰式全面介绍，敬请留意。

Overview of Natural Language Processing (NLP)

【This document provides a text version of Dr. Wei Li's overview of NLP, presented on August 8, 2012.】

At a high level, our NLP core engine reads sentences and extracts insights to support our products. The link between the products and the core engine is the storage system. Today’s topic is on the workings of the NLP core engine.

System Overview

Our NLP core engine is a two-component system.

The first component is a parser, with the dependency tree structure as output, representing the system’s understanding of each sentence. This component outputs a system-internal, linguistic representation, much like diagramming taught in grammar school. This part of the system takes a sentence and “draws a tree of it.” The system parses language in a number of passes (modules), starting from a shallow level and moving on to a deep level.

The second component is an extractor, sitting on top of the parser and outputs a table (or frame) that directly meets the needs of products. This is where extraction rules, based on sub-tree matching, work, including our sentiment extraction component for social media customer insights.

Dependency Tree Structure and Frames

An insight extractor of our system is defined by frames. A frame is a table or template that defines the name of each column (often called event roles) for the target information (or insights). The purpose of the extraction component is to fill in the blanks of the frame and use such extracted information to support a product.

Each product is supported by different insight types, which are defined in the frame. To build a frame, Product Management determines what customers need and what output they want from processing sentences and uses the output information to formulate frame definitions. The NLP team takes the product-side requirements, does a feasibility study, and starts the system development, including rules (in a formalism equivalent to an extended version of cascaded finite state mechanism), lexicons and procedures (including machine learning for classification/clustering), based on a development corpus, to move the project forward. The frames for objective events define things like who did what when and where etc with a specific domain or use scenario in mind. The frames for sentiments or subjective evaluations contain information first to determine whether a comment is positive or negative (or neutral, in a process called sentiment classification). It also defines additional, more detailed columns on who made the comment on what to what degree (passion intensity) in which aspects (details) and why. It distinguishes an insight that is objective (for example, “cost-effective” or “expensive”) from subjective insight (for example, "terrific", “ugly” or “awful”).

The type of insight extraction is based on the first component of linguistic processing (parsing). More specifically, the insight extraction is realized by sub-tree matching rule in extraction grammars. In this example:

Apple launched iPhone 4s last month

The parser first decodes the linguistic tree structure, determining that the logical subject (actor) is “Apple,” the action is “launch,” the logical object (undergoer) is “iPhone 4s,” and “last month” is an adverbial. The system extracts these types of phrases to fill in the linguistic tree structure as follows.

Based on the above linguistic analysis, the second component extracts a product launch event as shown below:

How Systems Answer Questions

We can also look at our system from the perspective of how it addresses users information needs, in particular, how it answers questions in our mind. There are two major systems for getting feedback to satisfy users’ information needs.

Traditional systems, like search engines. A user enters a query into a search engine and gets documents or URLs related to query keywords. This system satisfies some needs, but there is too much information and what you want to know might be buried deep in the data.

NLP-based systems, which can answer users’ questions. All our products can be regarded as special types of “question-answering systems.” The system reads everything, sentence by sentence. If it has a target hit, it can pull out answers from the index to the specified types of questions.

Technology for answering factoid questions, such as when (time), where (location), who (person) is fairly mature. The when-question, for example, is easy to answer because time is almost always expressed in standard formats. The most challenging questions to answer are “how” and “why.” There is consensus in the question answering community on this. To answer “how” questions, you might need a recipe, a procedure, or a long list of drug names. To answer “why,” the system needs to find motivation behind sentiment or motive behind behavior.

Our products are high-end systems that are actually designed to answer “how” and “why” questions in addition to sentiments. For example, if you enter “heart attack” into our system, you get a full solution package organized into sections that includes a list of procedures, a list of drugs, a list of operations, the names of doctors and professionals, etc. Our consumer insight product classify sentiments, otherwise known as “thumbs-up” and “thumbs-down” classification, just like what our competitors do. But we do much more fined-grained and much deeper, and still scale up. Not only can it tell you what percentage, what ratio, how intensively people like or dislike a product, it also provides answers for why people like or dislike a product or a feature of a product. This is important: knowing how popular a brand is only gives a global view of customer sentiments, but such coursed-grained sentiments by themselves are not insightful: the actionable insights in the sentiment world need to answer why questions. Why do customers like or dislike a product feature? Systems that can answer such questions provide invaluable actionable insights to businesses. For example, it is much more insightful to know that consumers love the online speed of iPhone 4s but are very annoyed by the lack of support to flash. This is an actionable insight, one that a company could use to redirect resources to address issues or drive a product’s development. Extraction of such insights is enabled by our deep NLP, as a competitive advantage to traditional classification and clustering algorithms, practiced by almost all the competitions who claim to do sentiments.

Q&A

Q: How do you handle sarcasm?

A: Sarcasm is tough. It is a challenge to all the systems, us included. We have made some tangible progress and implemented some patterns of sarcasm in our system. But overall, it is a really difficult phenomenon of natural language. So far in the community, there is only limited research in the lab, far from being practical. People might say “no” when they mean “yes,” using a “zig-zag” way to express their emotions. It’s difficult enough for humans to understand these things and much more difficult for a machine.

The good news is that sarcasm is not that common overall, assuming that we are considering a large amount of real-life data. There are benchmarks in literature about what percentage of sarcastic data occurs in real-life language corpora. Fortunately, only a small fraction of the data might be related to sarcasm, often not making a statistical impact on data quality, whether or not it is captured.

Not all types of sarcasm are intractable. our products can capture common patterns of sarcasm fairly well. Our first target is sarcasm with fairly clear linguistic patterns, such as when people combine “thank you” (a positive emotion) with a negative behavior: “Thank you for hurting my feelings.” Our system recognizes and captures this contradictory pattern as sarcasm. “Thank you,” in this context, would not be presented as a positive insight.

Q: Do you take things only in context (within a sentence, phrase, or word) or consider a larger context?

A: Do we do anything beyond the sentence boundary to make our insights more coherent to users? Yes, to some extent, and more work is in progress. The index contains all local insights, broken down into “local” pieces. If we don’t put data into the index piece by piece, users can’t “drill down.” Drill-down is a necessary feature in products so the users can verify the insight sources (where exactly the insight is extracted from) and may choose to dive into a particular source.

After our application retrieves data from the index, it performs a “massaging” phase that occurs between retrieving the data storage and displaying it. This massaging phase introduces context beyond sentence and document boundaries. For example, “acronym association” identifies all of the numerous names used to refer to an entity (such as “IBM” versus “International Business Machine Corp”). This context-based acronym association capability is used as an anchoring point for merging the related insights. We have also developed co-reference capability to associate, for example, the pronoun “it” with the entity (such as iPhone) it refers to.
This phase also includes merging of phrases from local insights. For example, “cost-ineffective” is a synonym of “expensive.” The app merges these local insights before presenting them to the users.

Concluding Remarks on Language Technology and its Applications

NLP has been confined to labs for decades since beginning machine translation research in the early 1950s and up until the last decade. Until only a few years ago, NLP in applications had experienced only limited success. While it is moving very fast, NLP has not yet reached its prime time yet in the industry.

However, this technology is maturing and starting to show clear signs of serving as an enabling technology that can revolutionize how humans access information. We are already beyond the point of having to prove its value, the proof-of-concept stage. It just works, and we want to make it work better and more effectively. In the IT sector, more and more applications using NLP are expected to go live, ranging from social media, big data processing to intelligent assistants (e.g., Siri-like features) in mobile platforms. We are in a an exciting race towards making the language technology work in large-scale, real-life systems.

【相关篇什】
【立委科普：从产业角度说说NLP这个行当】
【立委科普：NLP 联络图】（coming soon）

本文引用地址：http://blog.sciencenet.cn/blog-362400-625350.html

NLP是一个力气活,100% agree.
日期: 01/04/2012 15:14:51

有朋友问：
Quote
俺对这个领域 是外行，形式语言和自动机理论还是学过的。其实成语数据库建立并不容易。涉及到大规模数据存储和检索的问题。

从应用层面看，成语数据库没有想象地那么大。当然如果你是包括一个语言的所有领域，方方面面，要求系统理解日常用语，同时也理解专业文献，自然是很大，因为每个子领域都有很多术语（术语是成语的一种）。但是应用系统并不是百科全书，即便有能力建一个大而全的海量成语库，也没有必要，其运行和维护的成本超过了应用时带来的 marginal benefits，譬如，在我们的客户情报挖掘应用中，就不需要一个巨大的医疗术语库，尽管我们实际上已经有了这个库。

日常使用的成语是多少呢？往多说，10万条该够了吧。人脑如果不借助于临时查字典，学富五车的人也不过记得住10万成语到顶了吧。10万条对于现在的系统算什么。系统一启动就全load进内存随时待命了。
Quote
立委能不能给俺们简单科普一下，你们NLP产业到底发展到哪一步了。你的技术优势是什么？今后的发展方向又如何？

这个要简单说不太容易。让我试试吧：我们的技术优势就是探索出来一条利用深度分析而抽取任何文本信息（无论主观评价，还是客观事实）的高精度、细颗粒度的方法，而业界所流行的是浅度分析 and/or 机器学习，精度和颗粒度均低一个档次，质量完全不成比例，尽管后者的覆盖面会广一些。深度分析不是我们独有的，很多实验室都有；但是把深度分析应用到大规模真实语料能做出产品来，竞争者鲜见，原因大概是门槛太高了点儿。研究家们常常不习惯这种讲求平衡艺术（balancing art）而且需要极大耐力和应变灵活性的力气活，他们所擅长的是把一个思路推向极致，试图在算法或者理论上寻求突破或不同，这也有利于他们耐以生存发展的论文发表。多数习惯于短平快出成果的理工背景的机器学习家，往往对语言的混乱度估计不足，面对silent majority 的个性现象不甚耐烦（sparse data 是他们的死敌，在语言现象中格外明显）。当然，这也不是火箭技术，总会有人赶上的，但这里有个时间差。龟兔赛跑，并非每个兔子都爱睡懒觉。时间差算是一个很大的 competitive advantage.

今后的发展方向，我只能凭感觉说了。从科学角度，弱监督的机器学习（weakly supervised learning）如果有理论和方法上的突破，可能给语言技术的应用带来崭新的局面。从实践上看，更有迹可寻的方向是建立一个机器学习和人工干预的集成交互的语言技术开发环境和平台，使得语言技术开发较少依赖于一个人的经验和平衡术，较多地决定于数据的制导。形象点儿说就是，要把中国餐馆式依赖大厨独门技术的作业方式，改变成麦当劳式（其实更高质量并且有QA保证的 In-n-Out 更加合适）的流水作业，用以保证技术开发的基本质量。

本文引用地址：http://blog.sciencenet.cn/blog-362400-525929.html

引用老友:
受教了。谢谢立委。
我同意“成语从来不是问题”。成问题的应该是一词多义，或歧义，对吧？

这个迷思不再局限于中文处理，它在整个NLP领域和NLP爱好者圈子里颇有迷惑性。WSD （Word Sense Disambiguation） 确系 NLP 难点，但在NLP应用上基本不是问题。

泛泛而言，一切歧义（词汇的，也包括结构歧义）都是自然语言的难点。形式语言（如计算机语言）好就好在基本不歧义。

但是，如果以信息抽取作为终极目标，绝大多数的一词多义也不是真正的问题，除非这种歧义影响了句子的结构分析（多数词汇歧义并不影响结构分析）。

原因在于信息抽取的时候，目标是明确的，建立的规则大多是词汇驱动的，而不是词义类别驱动的，因此歧义在抽取的时候有自动消失的条件。举例说明：英语 buy 至少有两个义项：

buy：
（1）购买：Microsoft bought Powerset for $100 million
（2）相信：I am not going to buy his argument

不做 WSD（Word Sense Disambiguation），也并不影响结构分析:

信息抽取也可以绕开 WSD，譬如，如果抽取的目标是公司购并（company acquisition）事件，下列由buy这几个词驱动的规则一样可以逮住上述（1）的事件，而并不需要对buy先行WSD再行事件抽取。因为事件抽取的条件自动排除了歧义，使得句子（2）不会被误抓为公司购并（argument 不是公司名）。

动词：buy|purchase|acquire
逻辑主语 (Actor)：公司名 @1
逻辑宾语 (Undergoer)：公司名 @2
==》
《公司并购事件》：
收购公司： @1
被收购公司：@2

总之，很多时候可以绕开WSD来开发系统。实际上，多数时候必须要绕着走。domain independent WSD 差不多是 NLP 难度最大的课题了，幸好可以绕开。神佑世人，感谢上帝！

@MyGod9:如果以机器翻译为目标呢？

如果是有近亲关系的语言之间做机器翻译，基本不需要 WSD，多数 ambiguity can carry over untouched. 即便是不同语系的语言之间做翻译，也要针对这个语言对来区分歧义，最好不要在不考虑目标语前先行WSD，因为后者大多吃力不讨好。

非统计类型的机器翻译系统的主流是转换式（transfer-based）机器翻译。词汇转换（包括针对目标语的词义消歧）与结构转换同步进行比较经济有利，利于维护。这就意味着机器翻译也与信息抽取有一定的共通之处：利用结构转换的条件同时消歧。

当然，机器翻译是NLP的一个特殊case，现在的主流都是统计模型了，因为 labeled data （双语语料库）只要有人类翻译活动就会作为副产品大量存在。这为机器学习创造了天然的好条件。统计模型支持的机器翻译，本质上也是转换式的。因此也不需要一个单独先行的WSD来支持。

WSD 可以作为 NLP 庙堂里的一尊菩萨供起来，让学者型研究家去烧香，实际系统开发者大可以敬鬼神而远之。：=）

说到这里，想起数年前我被华尔街 VC 在 due diligence 阶段请去鉴定一家做WSD的技术公司（名字就不提了），这家公司声称解决WSD有独到的技术，可以用来支持下一代搜索引擎，超越Google，因此吸引了华尔街投资家的注意。他们在白皮书中说得天花乱坠，WSD 是语言技术的皇冠，谁摘下了这颗皇冠，就掌握了核武器可以无坚不摧：这些脱离实际的空谈乍听起来很有理由，很能迷惑人。

可我是业内“达人”（开玩笑啦），不吃这一套。我给出的鉴定基本是否定性的，断定为极高风险，不建议投资：他们的demo系统也许确实做出了比其他系统更好的WSD结果（存疑，我 interview 他们的时候发现他们其实并没有做真正的业内系统的 apple-to-apple 比较），但是即便如此，其 scale up、适应不同domain 并得到实用，是几乎不可能的。我的小组以前做过WSD研究，也发表过 state-of-the-art 的结果和论文，知道这不是好吃的果子，也知道这是研究性强实用性弱的题目。我投票枪毙了这项风险投资。（如果是国家科学基金，WSD 当然是可以立项的。）

需要说明一句：枪毙技术投资的事情是不能轻易做的。大家都是技术人，都指望凭着技术和资金去改造世界，成就一番大事业。本是同根生，相煎何太急？今天我枪毙了你的技术投资项目，明天我要创业，说动了资本家后，是绝对不希望也被同仁给毙了。人同此心。本来就是风险投资嘛，资本家早就做好了失败的心理准备，他们打10枪只要中了一次，就不算亏本买卖了。要允许技术带有风险，要允许技术人“忽悠”资本家（他们大多是只听得懂“忽悠”型话语方式的人，真的，行内的“规矩”了，想不忽悠都不成），作为技术人要鼓励资本家拥抱风险。尽管如此，那次枪毙 WSD 我觉得做得很坦然，这是箭在弦上不得不发。 工业上 WSD 在可见的将来完全没有前途是注定的事情，用脚后跟都可以明白的事情，没有丝毫袒护的空间。这根本不是什么高风险高回报的问题，这是零回报的case，俗话都说了，女怕嫁错郎，男怕入错行，专业怕选错方向。方向错了，再努力都没戏，对于工业开发，WSD 就是这么一个错得离谱的方向。

朋友说了，如果这真是一个错误的方向，你为什么也拿政府的grant，做这个方向的研究了？（话说回来，不拿这个钱做这个研究，我能有这个权威和自信如此斩钉截铁地判断其应用价值几近于零么？）这个问题要这么看：其一，科学研究烧钱与工业投资烧钱本质不同，后者是以纯经济回报作为存在的理由。其二，政府的grant是竞标夺来的，我不拿，别人也要拿，总之，这纳税人的钱也省不下来。如果有问题，那是立项的问题。

说到立项，再多说几句。我们拿到的WSD研究项目是海军的SBIR创新基金，其主旨不同于鼓励纯科学研究的NSF，而是推动应用型技术的发展。从应用意义上说，这个立项方向是有错的。立项虽然是政府项目经理人之间竞标最后胜出的，但项目经理人不是一线科技人，他们的 idea 也是受到技术人影响的结果。说白了，还是技术人的忽悠。这个项目不大，问题还不大，如果一个大项目选错了方向，才真是糟蹋人民的钱财。历史上这样的案例还是不少的。远的有日本在上个世纪80年代上马的所谓“第五代计算机”的项目，忽悠得昏天黑地，似乎这个大项目的完成，新一代能够理解自然语言的人工智能电脑就会面世，日本就会成为世界电脑技术翘楚。结果呢，无疾而终（当然，那么大的投资砸下去，总会有一些零星的技术进步，也培养一批技术和研究人才，但作为整体目标，这个项目可以说是完败，头脑发热的日式大跃进）。美国呢，这样的热昏项目也有过。赫赫有名的 DARPA 是美国国家项目最成功的典范了，它推动了美国的高技术创新，催生了一些重要的技术产业，包括信息抽取（Information Extraction）和搜索技术，包括问答系统（Question Answering）。然而，即便如此成功的 program，有时也会有热昏如五代机这样的项目出台，完全错误的方向，不成比例的投资，天方夜谭的前景描述。笔者当年为找研究基金，研读某 DARPA 项目的描述，当时的震撼可以说是目瞪口呆，满篇热昏的胡话，感觉与中国的大跃进可以一比。惊异于科学界整体怎么会出现允许这样项目出来的环境，而且大家都争抢着分一杯羹，全然不顾其中的假大空。点到为止，就此打住。

本文引用地址：http://blog.sciencenet.cn/blog-362400-526304.html
分享到：收藏分享

说到立项，再多说几句。...... 如果一个大项目选错了方向，才真是糟蹋人民的钱财。历史上这样的案例还是不少的。远的有日本在上个世纪80年代上马的所谓“第五代计算机”的项目，忽悠得昏天黑地，似乎这个大项目的完成，新一代能够理解自然语言的人工智能电脑就会面世，日本就会成为世界电脑技术翘楚。结果呢，无疾而终（当然，那么大的投资砸下去，总会有一些零星的技术进步，也培养一批技术和研究人才，但作为整体目标，这个项目可以说是完败，头脑发热的日式大跃进）。

美国呢，这样的热昏项目也有过。赫赫有名的 DARPA 是美国国家项目最成功的典范了，它推动了美国的高技术创新，催生了一些重要的技术产业，包括信息抽取（Information Extraction）和搜索技术，包括问答系统（Question Answering）。然而，即便如此成功的 program，有时也会有热昏如五代机这样的项目出台，完全错误的方向，不成比例的投资，天方夜谭的前景描述。笔者当年为找研究基金，研读某 DARPA 项目的描述，当时的震撼可以说是目瞪口呆，满篇热昏的胡话。惊异于科学界整体怎么会出现允许这样项目出来的环境，而且大家都争抢着分一杯羹，全然不顾其中的假大空。点到为止，就此打住。（为什么点到为止呢？因为好像是主席说过的，10仗赢得9场就是一个好将军，不想坏了 DARPA 的名声。DARPA 对美国高技术的推动怎样评价都不为过。）

摘自：
《NLP 迷思之四：词汇消歧（WSD）是NLP应用的瓶颈》

本文引用地址：http://blog.sciencenet.cn/blog-362400-526592.html

当前推荐数：20 推荐人： 吴飞鹏 吕喆 刘艳红 李学宽 张志东 朱志敏 赵凤光 武夷山 许培扬 李永丹 杜敏彪 曹聪 徐耀 安海龙 杨正瓴 杨海涛 李传亮 者仁王 bridgeneer paulings
推荐到博客首页
发表评论 评论 (12 个评论)

删除 回复 [12]王晓明 2012-1-9 03:53
我觉得对于科研投入来讲，十战一胜已经是很好的成绩。。。科学有个探索的过程，你得允许人犯错。。。

删除 回复 [11]陈安 2012-1-8 20:00
云计算啥的，听起来也云里雾里的

删除 回复 [10]欧阳峰 2012-1-8 01:56
要说十战九胜的话，DARPA差得太远了。就我所知的项目中，十战一胜还差不多。不过DARPA在美国政府中还算成功的典型呢。现在能源部也搞了个类似的组织，听说别的部也在效仿。　
博主回复(2012-1-8 18:18)：我对DARPA全貌并不了解，比喻失当。其实想说的是两点：其一，DARPA 对于美国信息产业的技术创新推动甚大，促成美国在世界信息产业领导者的地位，我们都是见证者和受益者；其二，即便 DARPA 也有荒诞无经的大跃进项目出台，我正好撞到一次，极为震撼。我觉得，DARPA 的优秀项目（你说的10战1胜的项目）之外，其他项目平庸、无大成果或有之，但是大跃进似的假大空项目应该是很少数的。

删除 回复 [9]southtech 2012-1-7 19:59
DARPA: Defense Advanced Research Projects Agency

删除 回复 [8]杨正瓴 2012-1-7 19:20
DARPA 项目，是什么？
能科普一下吗？

删除 回复 [7]徐耀 2012-1-7 17:26
本人前不久写了个“大项目的投入产出如何？”，可惜没有引起足够关注。

删除 回复 [6]relaxation 2012-1-7 12:52
"跨越式......"的本质就是跃进，可是有不少阶段或过程是跨不过去的。

删除 回复 [5]许培扬 2012-1-7 11:42
癌症研究、艾滋病疫苗研究也有过大跃进。

删除 回复 [4]方唯硕 2012-1-7 09:15
"举个国内的例子呗？"--居心不良，不想让博主在中国混了？

删除 回复 [3]吕喆 2012-1-7 09:02
俺这两天正在写一篇关于“大跃进”的博文。

删除 回复 [2]吕喆 2012-1-7 09:00
看标题还以为是mirror呢。

删除 回复 [1]吴国清 2012-1-7 08:48
举个国内的例子呗？

【女怕嫁错郎，男怕入错行，专业怕选错方向】

想起数年前我被华尔街 VC 在 due diligence 阶段请去鉴定一家做WSD的技术公司（名字就不提了），这家公司声称解决WSD （Word Sense Disambiguation）有独到的技术，可以用来支持下一代搜索引擎，超越Google，因此吸引了华尔街投资家的注意。他们在白皮书中说得天花乱坠，WSD 是语言技术的皇冠，谁摘下了这颗皇冠，就掌握了核武器可以无坚不摧：这些脱离实际的空谈乍听起来很有理由，很能迷惑人。

可我是业内“达人”（开玩笑啦），不吃这一套。我给出的鉴定基本是否定性的，断定为极高风险，不建议投资：他们的demo系统也许确实做出了比其他系统更好的WSD结果（存疑，我 interview 他们的时候发现他们其实并没有做真正的业内系统的 apple-to-apple 比较），但是即便如此，其 scale up、适应不同domain 并得到实用，是几乎不可能的。我的小组以前做过WSD研究，也发表过 state-of-the-art 的结果和论文，知道这不是好吃的果子，也知道这是研究性强实用性弱的题目。我投票枪毙了这项风险投资。（如果是国家科学基金，WSD 当然是可以立项的。）

需要说明一句：枪毙技术投资的事情是不能轻易做的。大家都是技术人，都指望凭着技术和资金去改造世界，成就一番事业。本是同根生，相煎何太急？今天我枪毙了他的技术投资项目，明天我要创业，说动了资本家后，是绝对不希望也被同仁给毙了。人同此心。本来就是风险投资嘛，资本家早就做好了失败的心理准备，他们打10枪只要中了一次，就不算亏本买卖了。要允许技术带有风险，要允许技术人“忽悠”资本家（他们大多是只听得懂“忽悠”型话语方式的人，真的，行内的“规矩”了，想不忽悠都不成），作为技术人要鼓励资本家拥抱风险。尽管如此，那次枪毙 WSD 我觉得做得很坦然，这是箭在弦上不得不发。 工业上 WSD 在可见的将来完全没有前途是注定的事情，用脚后跟都可以明白的事情，没有丝毫袒护的空间。这根本不是什么高风险高回报的问题，这是零回报的case，俗话都说了，女怕嫁错郎，男怕入错行，专业怕选错方向。方向错了，再努力都没戏，对于工业开发，WSD 就是这么一个错得离谱的方向。

朋友说了，如果这真是一个错误的方向，你为什么也拿政府的grant，做这个方向的研究了？（话说回来，不拿这个钱做这个研究，我能有这个权威和自信如此斩钉截铁地判断其应用价值几近于零么？）这个问题要这么看：其一，科学研究烧钱与工业投资烧钱本质不同，后者是以纯经济回报作为存在的理由。其二，政府的grant是竞标夺来的，我不拿，别人也要拿，总之，这纳税人的钱也省不下来。如果有问题，那是立项的问题。

摘自：
《NLP 迷思之四：词汇消歧（WSD）是NLP应用的瓶颈》

相关篇什：
提上来：说说科研立项中的大跃进

本文引用地址：http://blog.sciencenet.cn/blog-362400-526701.html

我们现在正处在一个难得的历史契机。

本文引用地址：http://blog.sciencenet.cn/blog-362400-533366.html

本文引用地址：http://blog.sciencenet.cn/blog-362400-596765.html