Основные задачи NLP по группам, с применениями: 1) АНАЛИЗ/КЛАССИФИКАЦИЯ (понять, что за текст): — Тональность (sentiment): позитив/негатив/нейтрал. Применение: анализ отзывов, соцсетей, обратной связи — что чувствуют клиенты. — Классификация темы/категории: спам/не спам, категория обращения в поддержку, тип документа, тема статьи. Применение: сортировка почты, маршрутизация обращений. — Определение намерения (intent): чего хочет пользователь (заказать, узнать статус, пожаловаться). Применение: чат-боты, ассистенты. — Определение языка, токсичности, и т.п. 2) ИЗВЛЕЧЕНИЕ ИНФОРМАЦИИ (вытащить данные): — Распознавание сущностей (NER): найти в тексте имена, организации, даты, места, суммы, номера. Применение: обработка документов, извлечение данных из писем/договоров, автозаполнение. — Извлечение отношений/фактов: не только «есть дата», но и «эта дата — срок оплаты». — Извлечение ключевых слов/фраз. 3) ПОИСК И СХОДСТВО (найти релевантное): — Семантический поиск: находить тексты по СМЫСЛУ (эмбеддинги, из курса про векторный поиск). Применение: умный поиск по базе знаний, RAG. — Поиск похожего, дубликатов, кластеризация текстов. 4) ГЕНЕРАЦИЯ И ПРЕОБРАЗОВАНИЕ (создать/изменить текст): — Машинный перевод: с языка на язык. — Резюмирование: сжать длинный текст в краткое. — Ответы на вопросы: по тексту/базе (связь с RAG). — Генерация текста: создать связный текст (мощно у LLM) — написать письмо, ответ, описание. — Перефразирование, исправление, упрощение текста. 5) РЕЧЬ (на стыке с аудио): — Распознавание речи (речь → текст) и синтез (текст → речь) — связь с курсом про голос/мультимодальность. Ключевые наблюдения: — Задачи разной сложности: классификация проще, генерация сложнее (создать хороший текст труднее, чем классифицировать). — Реальные системы КОМБИНИРУЮТ задачи: например, чат-бот поддержки = определение намерения (классификация) + извлечение данных (сущности) + поиск по базе (семантический) + генерация ответа. Или анализ отзывов = классификация тональности + извлечение упомянутых тем + резюмирование. — LLM объединяют многое: современные большие языковые модели могут решать МНОГИЕ из этих задач одной моделью через промпт (классифицировать, извлекать, резюмировать, переводить, отвечать, генерировать). Это изменило NLP: раньше под каждую задачу — своя модель, теперь часто одна LLM гибко решает разное (связь с курсами про LLM). Практический смысл выбора: — Определите, какая ЗАДАЧА (или комбинация) решает вашу проблему: анализируете текст? извлекаете данные? ищете? генерируете? — Под задачу выбирайте инструмент: для простой классификации/извлечения на объёме может хватить специализированной модели (точнее/дешевле); для гибких задач, генерации, комбинаций — LLM (как в выборе специализированная vs мультимодальная в CV). — Часто оптимальна комбинация задач и инструментов. Практическое правило: NLP — спектр задач (классификация, извлечение, поиск, генерация, речь). Определите нужную задачу или их комбинацию под вашу проблему. Современные LLM решают многие задачи одной моделью через промпт, но для узких повторяющихся задач на объёме специализированные модели бывают точнее и дешевле. Понимание карты задач помогает правильно формулировать проблему и выбирать инструмент.