在语言材料上，我们多年来专注中文自然语言处理，在不同场景下积累了千亿级互联网语料；技术上，我们整合了腾讯内部顶级的 NLP 能力，拥有数千篇相关技术专利和论文；服务上，团队曾为数十个腾讯亿级用户产品提供坚实的服务支撑。

腾讯云计算平台保障服务高效稳定，可以根据不同的客户需求，提供数据动态扩容能力，并且配备完善及时的开发者支持，全心打造腾讯云人工智能和自然语言处理能力开放平台。

腾讯云自然语言处理提供了词法级、句法级、篇章级、向量级等数十个模块的文本处理能力，为您一站式地解决常见的中文语义分析需求，帮助您为日常工作或企业运营降本、增效和创新。

提供智能分词（基本词和短语）、词性标注、命名实体识别功能。专业的团队对数据、模型、程序进行迭代更新以保证识别效果的不断提升。用户只需简单调用相关 API 接口即可获取到所需结果，无需担心诸如新词发现、歧义消除、调用性能等词法分析难题。

为有情感分析需求的产品提供服务。该服务能够对信息进行情感上的正向、负向及中性进行评价。在舆情监控、话题监督、口碑分析等商业分析领域有非常重要的应 用价值。

能够实现对文本的自动纠错功能。用户只需要提供业务数据和日志，无需关注技术细节和更新流程，就可以享受到业务自身定制的纠错服务，甚至不提供业务数据， 享受通用的纠错服务。

腾讯云NLP依托于千亿级语料库，采用N元文法模型(N-gram)、隐马尔科夫模型(HMM)和条件随机场模型(CRF)等方法，不仅能够高效准确的进行常规语料的智能分词、词性标注和命名实体识别，还支持自定义词典，和垂直领域的精准分析。其中: (1）智能分词是将连续的自然语言文本切分成具有语义合理性和完整性的词汇序列; (2）词性标注功能为每一个词附上对应的词性,例如名词、代词、形容词、动词等; (3)命名实体识别，快速识别文本中的实体，例如人名、地名、机构名、时间日期等，命名实体是自然语言处理的一个基本任务，是信息抽取,机器翻译、问答系统等功能的基础。知文NLP平台的命名实体识别相较于常规命名实体识别范围更广,包含从常规的人名地名到体育、游戏、交通、金融等多个专业领域。同时结合朴素贝叶斯等方法极大的降低了命名歧义和转义风险。分为构词法命名实体和非构词法命名实体。

(1)句法依存分析，利用句子中词与词之间的依存关系来表示词语的句法结构信息,例如主谓宾定状补等结构关系。(2)文本纠错，在自然文本中，检测到错误用词的位置，并对错误用词提供修正候选词，其主要分为两个子任务︰错误检测>>>错误修正。知文NLP平台采用基于字典树、双向N-gram、卷积seq2seq、LSTM-RNN等多语言模型融合的学习框架依托于强大的困惑集(读音相似或字型相似的字集合)。对中文的多字、少字、同音字、相似字等文本错误都有很好的纠正效果。

(1)关键词提取，通过计算词语句子的相关性分数来衡量量每个词的重要性用以提取文章的核心内容(2)文本分类，将待分类的文本数据归为已知类别中的一类或几类 (3）情感分析，对带有情感色色彩的主观性文本进行分析、处理、归纳和推理，判断该文本的情感正负倾向。这里本产品的优势包括：(a )多领域多类别：能识别囊括求职招聘、影视、音乐、健康养生、财经、广告推广、犯罪、政治等40多个类别，同时对类别信息和算法定时更新；( b ）数亿标注语料，被用于情感分析，尤其对新闻、影视、产品等领域的评论数据.分析更为准确有效。 (4）自动摘要，对一篇或者一类文章进行自动提炼，生成简洁、流畅、包含文章关键信息的摘要。

向量技术是将一个词或句子用向量来表示,是自然语言处理领域中最基础的组件。这里本产品的优势包括∶( a )最前沿的模型:基于Google最新发布的BERT大规模预训练模型.相比比于其他公开模型准确性大幅提高;(b)千亿级语料库∶包括公开数据集、爬虫数据集、腾讯独家数据集(例如腾讯新闻、天天快报的新闻语料等);(c )覆盖率更广:覆盖800多万中文词汇包括现有大多数公开词向量数据集所欠缺的短语,比如"不念僧面念佛面”"“冰火两重天'“煮酒论英雄"、“皇帝菜"、“喀拉喀什河”;( d )新鲜度更新.包含一些最近出现的新词如"恋与制作人”。“三生三世十里桃花”、“打call”、“十动然拒”、“供给侧改革”、“因吹斯汀”等 (1)词义相似度，基于词向量,计算不同词之间的相似度,是相似相关词挖掘的基础(2）同义词挖掘，基于词义相似度，挖掘词条名不同，但含义完全相同或相近的词条 ( 3）短文本相似度，计算句子或者较短文本之间的相似程度,常用用于查询类匹配和聚类。