machine-learning - Gmail如何从文本中提取时间和日期

Question

我正在查看邮件，发现 gmail 自动建议我将即将到来的周五下午 5 点左右添加到 2 月 21 日的事件中。我很惊讶 gmail 是如何做到这一点的？我的意思是它是如何正确地判断出这个星期五意味着即将到来的星期五，并且下午 5 点与星期五相关。

我是 NLP 和机器学习的新手，所以如果有人能用通俗易懂的语言向我解释它，我会非常高兴

Answer 1

我认为这不需要大量的机器学习。一点 NLP 有助于从句子中获取依赖关系，但即便如此也不是绝对必要的。

您可以先查看关键字星期一、星期二等，然后环顾四周看看它们周围有什么上星期一、下周一、即将到来的周一、上周一等等。这些称为窗口功能，因为它们围绕您周一感兴趣的功能提供了一个窗口+/- 1,2,3 ...。 下午 5 点左右理论上你也可以通过查看窗口功能得到，但我没有直觉知道那会有多吵。尝试考虑在这种情况下表达时间的所有方式，然后考虑这些方式可以与其他东西混合。在我看来，做到这一点似乎相对容易。

无论如何，另一种方法是使用依存解析器来提取句子中元素的语法关系。这需要您对句子进行词性 (POS) 标记(将其拆分为标记后)。词性标注器需要经过训练才能识别 friday 和 monday 是名词，甚至可能它们是时间表达式，5pm 也是如此下午 5 点左右。这确实需要机器学习和大量的机器学习。与其他公司相比，谷歌的优势在于他们拥有大量数据，这使得他们能够拥有大量大量不同方式的示例来表达本质上相同的事物。这给了他们的模型很大的广度。一旦你给句子添加了 POS 标签，你就可以将它提供给依赖解析器(例如 Stanford Dependency Parser )，它会告诉你句子中所有不同标记之间的关系。

Google 拥有大量有用的数据。最重要的是，谷歌花了数年时间来磨练模型的输出，这样当模型不完全确定发生了什么时，它就不会突出显示/提取结果。就在现实世界中实际应用 NLP 而言，最后一步非常重要，因为它让人们对系统正在做的事情充满信心。基本上，如果软件不确定发生了什么，则什么都不做，因为做某事可能会冒做错事的风险，从而降低人们对整个系统的信心。

发布一个可靠且易于使用的 NLP 应用程序需要在 NLP/机器学习的质量和通用软件工程之间进行权衡，以向用户隐藏 NLP 失败的所有部分。

尝试向自己发送以不同方式表达时间的电子邮件，看看 Google 收到了哪些电子邮件，没有收到哪些电子邮件。例如

• 我们可以在下周五见面吗？
• 下周周五下午 2 点喝杯咖啡怎么样
• 周五无法参加，但我可以在周三下午 4 点见面

等等，找出技术漏洞总是很有趣。它还可以揭示很多有关它正在做什么以及如何做的信息。