Das NLU stellt einen Teilbereich des Natural Language Processing (NLP) dar. Solche Ansätze beziehen sich auf die Dekodierung von natürlicher Sprache, also die maschinelle Verarbeitung des Informationsinputs, der als Text oder gesprochene Worte vorliegt.

Während NLP-Ansätze oft oberflächlich arbeiten (z.B. Segmentierung von Wörtern oder grammatikalische Analysen), versuchen NLU-Ansätze die zugrunde liegenden Bedeutungen und Absichten zu verstehen. Sie befassen sich daher stärker mit der Semantik (u.a. Satzzeichen) und ermöglichen es menschliche Sprache auf eine Art und Weise zu „verstehen“ und zu „interpretieren“, die über die bloße Struktur oder Syntax hinausgeht. Die Aufgabe von NLU-Ansätzen besteht z.B. darin die Emotionen hinter einem Text zu erkennen oder die Beziehung zwischen verschiedenen Entitäten in einem Text zu verstehen. Sie sind Bestandteil vieler moderner Systemanwendungen und beispielsweise im Kontext von virtuellen Agenten kaum noch wegzudenken.

Die Umsetzung von NLU-Ansätze erfolgt wiederum über verschiedene Lernansätze der künstlichen Intelligenz. Je nach Umfang des Anforderungsbereich müssen geeignete Lernverfahren gewählt werden.

• Regelbasiert - für vordefinierte Bedeutungen z.B. wenn „?“, dann Frage.
• Machine Learning - für komplexere Sachverhalte wie z.B. die Bewertung von Aussagen/Labels (positiv, negativ).
• Deep Learning - für das erkennen und zuschreiben von spezifischen Kontexten zu verschiedenen Aussagen.

Semantisches Parsen/ semantic parsing

Das semantische Parsen ist ein NLU-Ansatz, bei dem Sätze so zergliedert werden, dass Informationen extrahiert werden können. Dies geschieht auf Basis von sprachlichen Zeichen, Zeichenfolgen, sowie Inhalt und Bedeutung von Worten. Es geht letztlich um die Umwandlung von natürlicher Sprache in strukturierte, maschinenlesbare Darstellungen ihrer Bedeutung.

Beziehungs-Extraktion/ relation extraction

Diese NLU-Ansatz bezieht sich auf die Analyse von spezifischen Beziehungen zwischen Paaren von Entitäten, die in einem Text identifiziert werden können. Zum Beispiel "Herr Mustermann wohnt in einem Haus in der Poststraße". (1.) Entität "Herr Mustermann", die (2.) Entität "Poststraße" und die Kontextbeziehung ist der Wohnsitz.

Sentimentanalyse/ sentiment analysis

Die Sentimentanalyse wird umgangssprachlich auch als Stimmungsanalyse bezeichnet und zielt darauf ab, Informationen dahingehend zu extrahieren, ob eine Aussage einer positiven, neutralen und negativen Stimmungslagen unterliegt. Genauer gesagt wird sie angewendet, um Meinungen, Gefühle und Stimmungen zu identifizieren und kategorisieren.

Paraphrasen/ paraphrase & natural language inference

Paraphrasierung ist der Prozess der Umformulierung eines Satzes, ohne dass dessen Bedeutung verändert wird. Es handelt es sich um die Umschreibungen eines sprachlichen Ausdrucks mit anderen Wörtern bzw. Ausdrücken. Ziel ist es eine natürliche Sprachinformation in eine maschinelle Repräsentation ihrer Bedeutung umzuwandeln, um so logische Schlüsse aus gegebenen Aussagen zu ziehen. Zum Beispiel haben die Sätze „Ich kann mich nicht einloggen“ und „Der Login funktioniert nicht.“ die gleiche Bedeutung und es kann aus beiden Formulierungen der gleiche logische Schluss gezogen werden.

• Künstliche Intelligenz verstehen (2019)

  Ralf T. Kreutzer, Marie Sirrenberg

  Springer Fachmedien Wiesbaden DOI:10.1007/978-3-658-25561-9
• Understanding natural language understanding (2014)
  Bill MacCartney