AITerms 登入
自然語言處理AI基礎深度學習

語義分析(Semantic Analysis)是什麼?

語義分析旨在理解文本的真實含義,超越字面解釋,提取句子或段落的深層語義結構和關係,賦予機器理解語言的能力。

完整定義

語義分析是自然語言處理中的關鍵步驟,它不僅僅關注單詞的表面意義,更重要的是理解句子、段落甚至整個文檔的真實含義。它涉及識別詞彙之間的關係、消除歧義、推斷隱含信息,最終構建文本的語義表示,使機器能夠像人類一樣理解語言。

白話說明

你有沒有在看留言、客服對話,想知道對方真正是在抱怨還是只是在提建議,發現只看表面常常不夠?

你可以把它想成替句子做深度理解,不只看每個字,還要看詞和詞之間的意思關係。

聊天機器人、搜尋、資訊抽取都靠它先抓到語意,才不會只答到表面。

記住這句

看到文字先問「它真正想表達什麼」,就是語義分析。

比喻:語義分析就像一個會「讀心術」的翻譯員 -- 它不只看字面意思,還能理解話語背後的真正意圖和情緒,知道你說的「好」是真好還是反諷。

容易混淆

詞法分析

詞法分析像辨識每個字是什麼詞性,語義分析像理解這些字組合起來「這句話到底想表達什麼」,層次更深。

實際案例

客服工單裡寫著「系統又卡住了」,模型要判斷這是抱怨、求助,還是單純回報狀況。

新聞摘要系統要知道「台積電擴廠」和「半導體供應鏈」其實在講同一個事件脈絡。

演算法與應用

常見做法會先做詞義消歧、命名實體辨識、依存關係分析,再把句子語意整理成結構化表示。

在大型語言模型裡,語義分析常和上下文表示、檢索增強、語義角色標注一起使用。

情境判斷

Q1(直覺題): 聊天機器人把「我想退貨,但包裝已經拆了」理解成只是問包裝,這是哪裡沒做好?

語義分析不夠。模型只抓到「退貨」或「包裝」,沒有把整句的真正意圖和限制條件一起看懂。

Q2(判斷題): 如果一個系統能抓到關鍵字,但常常答非所問,還能算語義分析做得好嗎?

不算。只有關鍵字匹配不代表理解語意,真正好的語義分析要能處理上下文、指代和詞義歧義。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本