Esquema del procesamiento del lenguaje natural

El procesamiento del lenguaje natural es la actividad informática que utiliza ordenadores para analizar, comprender , modificar o generar lenguaje natural . Esto incluye la automatización de cualquier forma, actividad o método de comunicación lingüística, como la conversación , la correspondencia, la lectura , la redacción , el dictado , la publicación , la traducción , la lectura de labios , etc. El procesamiento del lenguaje natural también se refiere a la rama de la informática , la inteligencia artificial y la lingüística que se ocupa de capacitar a los ordenadores para comunicarse mediante el lenguaje natural en todas sus formas, incluyendo, entre otras, el habla , la impresión , la escritura y el lenguaje de señas . El siguiente esquema ofrece una visión general y una guía temática sobre el procesamiento del lenguaje natural:

El procesamiento del lenguaje natural se puede describir como todo lo siguiente:

• Un campo de la ciencia : una empresa sistemática que construye y organiza el conocimiento en forma de explicaciones y predicciones comprobables sobre el universo. ^{[ 1 ]}
  • Una ciencia aplicada : campo que aplica el conocimiento humano para construir o diseñar cosas útiles.
    • Un campo de la informática : el enfoque científico y práctico de la computación y sus aplicaciones.
      • Una rama de la inteligencia artificial : la inteligencia de las máquinas y los robots, y la rama de la informática que tiene como objetivo crearla.
      • Un subcampo de la lingüística computacional : un campo interdisciplinario que se ocupa del modelado estadístico o basado en reglas del lenguaje natural desde una perspectiva computacional.
  • Aplicación de la ingeniería : ciencia, habilidad y profesión de adquirir y aplicar conocimientos científicos, económicos, sociales y prácticos, con el fin de diseñar y construir estructuras, máquinas, dispositivos, sistemas, materiales y procesos.
    • Una aplicación de la ingeniería de software : aplicación de un enfoque sistemático, disciplinado y cuantificable al diseño, desarrollo, operación y mantenimiento de software, y el estudio de estos enfoques; es decir, la aplicación de la ingeniería al software. ^{[ 2 ] [ 3 ] [ 4 ]}
      • La programación es un subcampo de la programación informática que consiste en diseñar, escribir, probar, depurar y mantener el código fuente de los programas. Este código fuente se escribe en uno o más lenguajes de programación (como Java, C++, C#, Python, etc.). El objetivo de la programación es crear un conjunto de instrucciones que las computadoras utilizan para realizar operaciones específicas o para mostrar los comportamientos deseados.
        • Un subcampo de la programación de inteligencia artificial –
• Un tipo de sistema : conjunto de componentes que interactúan o son interdependientes y que forman un todo integrado o un conjunto de elementos (a menudo llamados "componentes") y relaciones que son diferentes de las relaciones del conjunto o sus elementos con otros elementos o conjuntos.
  • Un sistema que incluye software : el software es un conjunto de programas informáticos y datos relacionados que proporcionan las instrucciones para indicarle a una computadora qué hacer y cómo hacerlo. El software se refiere a uno o más programas informáticos y datos almacenados en la memoria de la computadora. En otras palabras, el software es un conjunto de programas, procedimientos, algoritmos y su documentación relacionados con el funcionamiento de un sistema de procesamiento de datos.
• Un tipo de tecnología : la creación, modificación, uso y conocimiento de herramientas, máquinas, técnicas, oficios, sistemas y métodos de organización, con el fin de resolver un problema, mejorar una solución preexistente, alcanzar un objetivo, gestionar una relación de entrada/salida o realizar una función específica. También puede referirse al conjunto de dichas herramientas, maquinaria, modificaciones, disposiciones y procedimientos. Las tecnologías influyen significativamente en la capacidad de los seres humanos y de otras especies animales para controlar y adaptarse a sus entornos naturales.
  • Una forma de tecnología informática : las computadoras y sus aplicaciones. El PLN utiliza computadoras, escáneres de imágenes, micrófonos y muchos tipos de programas informáticos.
    • La tecnología del lenguaje comprende, por un lado, el procesamiento del lenguaje natural (PLN) y la lingüística computacional (LC), y por otro, la tecnología del habla. También incluye muchos aspectos aplicados de estas disciplinas. A menudo se la denomina tecnología del lenguaje humano (TLH).

Las siguientes tecnologías hacen posible el procesamiento del lenguaje natural:

• Comunicación : la actividad de una fuente que envía un mensaje a un receptor.
  • Idioma -
    • Discurso -
    • Escribiendo -
  • Informática –
    • Computadoras –
    • Programación informática –
      • Extracción de información –
      • Interfaz de usuario –
    • Software -
      • Edición de texto : programa utilizado para editar archivos de texto plano.
      • Procesamiento de textos : programa informático utilizado para componer, editar, formatear e imprimir documentos.
    • Dispositivos de entrada : piezas de hardware para enviar datos a una computadora para su procesamiento ^{[ 5 ].}
      • Teclado de ordenador : dispositivo de entrada similar a una máquina de escribir cuya entrada se convierte en diversos datos según las circunstancias.
      • Escáneres de imágenes –

• Extracción de información (EI) : campo que se ocupa en general de la extracción de información semántica de un texto. Esto abarca tareas como el reconocimiento de entidades nombradas , la resolución de correferencias , la extracción de relaciones , etc.
• Ingeniería de ontologías : campo que estudia los métodos y metodologías para construir ontologías, que son representaciones formales de un conjunto de conceptos dentro de un dominio y las relaciones entre esos conceptos.
• Procesamiento del habla : campo que abarca el reconocimiento del habla , la conversión de texto a voz y tareas relacionadas.
• Procesamiento estadístico del lenguaje natural –
  • Semántica estadística : un subcampo de la semántica computacional que establece relaciones semánticas entre palabras para examinar sus contextos.
    • Semántica distribucional : un subcampo de la semántica estadística que examina la relación semántica de las palabras en un corpus o en grandes muestras de datos.

El procesamiento del lenguaje natural contribuye a los siguientes campos y hace uso de ellos (de las teorías, herramientas y metodologías):

• El razonamiento automatizado es un área de la informática y la lógica matemática dedicada a comprender diversos aspectos del razonamiento y a desarrollar software que permita a las computadoras razonar de forma completamente automática, o casi completamente automática. Como subcampo de la inteligencia artificial, el razonamiento automatizado también se fundamenta en la informática teórica y la filosofía de la mente.
• Lingüística : estudio científico del lenguaje humano. El procesamiento del lenguaje natural requiere comprender la estructura y la aplicación del lenguaje, por lo que se basa en gran medida en la lingüística.
  • Lingüística aplicada : campo de estudio interdisciplinario que identifica, investiga y ofrece soluciones a problemas reales relacionados con el lenguaje. Algunos de los campos académicos relacionados con la lingüística aplicada son la educación, la lingüística, la psicología, la informática, la antropología y la sociología. Algunos de los subcampos de la lingüística aplicada relevantes para el procesamiento del lenguaje natural son:
    • Bilingüismo / Multilingüismo –
    • Comunicación mediada por computadora (CMC) : cualquier transacción comunicativa que se produce mediante el uso de dos o más computadoras en red. ^{[ 6 ]} La investigación sobre CMC se centra principalmente en los efectos sociales de las diferentes tecnologías de comunicación asistidas por computadora. Muchos estudios recientes involucran redes sociales basadas en Internet apoyadas por software social .
    • Lingüística contrastiva : enfoque lingüístico orientado a la práctica que busca describir las diferencias y similitudes entre un par de lenguas.
    • Análisis de la conversación (AC) : enfoque para el estudio de la interacción social, que abarca tanto la conducta verbal como la no verbal, en situaciones de la vida cotidiana. La alternancia de turnos es un aspecto del uso del lenguaje que se estudia mediante el AC.
    • Análisis del discurso : diversos enfoques para analizar el uso del lenguaje escrito, oral o de señas, o cualquier evento semiótico significativo.
    • Lingüística forense : aplicación del conocimiento, los métodos y las perspectivas lingüísticas al contexto forense del derecho, el lenguaje, la investigación criminal, los juicios y los procedimientos judiciales.
    • Interlingüística : estudio de la mejora de la comunicación entre personas con diferentes lenguas maternas mediante el uso de lenguas étnicas y auxiliares (lingua franca). Por ejemplo, mediante el uso de lenguas auxiliares internacionales intencionadas, como el esperanto o la interlingua, o interlenguas espontáneas conocidas como lenguas pidgin.
    • Evaluación lingüística : evaluación de la primera, segunda u otra lengua en el contexto escolar, universitario o de enseñanza superior; evaluación del uso del idioma en el ámbito laboral; y evaluación del idioma en los contextos de inmigración, ciudadanía y asilo. La evaluación puede incluir análisis de la comprensión auditiva, oral, lectora, escrita o cultural, con respecto a la comprensión del funcionamiento teórico del idioma y la capacidad de utilizarlo en la práctica.
    • Pedagogía lingüística : ciencia y arte de la enseñanza de idiomas, incluyendo enfoques y métodos de enseñanza y estudio de lenguas. El procesamiento del lenguaje natural se utiliza en programas diseñados para la enseñanza de idiomas, incluyendo la formación en primera y segunda lengua.
    • Planificación lingüística –
    • Política lingüística –
    • Lexicografía –
    • Alfabetización –
    • Pragmática –
    • Adquisición de una segunda lengua –
    • Estilística –
    • Traducción -
  • Lingüística computacional : campo interdisciplinario que se ocupa del modelado estadístico o basado en reglas del lenguaje natural desde una perspectiva computacional. Los modelos y herramientas de la lingüística computacional se utilizan ampliamente en el campo del procesamiento del lenguaje natural, y viceversa.
    • Semántica computacional –
    • Lingüística de corpus : estudio del lenguaje expresado en muestras (corpus) de texto del "mundo real". Corpus es el plural de corpus , y un corpus es una colección de textos (o segmentos de habla) específicamente seleccionados, compuestos de lenguaje natural. Una vez construido (recopilado o compuesto), un corpus se analiza con los métodos de la lingüística computacional para inferir el significado y el contexto de sus componentes (palabras, frases y oraciones), así como las relaciones entre ellos. Opcionalmente, un corpus puede anotarse ("etiquetarse") con datos (manual o automáticamente) para facilitar su comprensión (por ejemplo, etiquetado de partes de la oración ). Estos datos se aplican posteriormente para interpretar la entrada del usuario, por ejemplo, para realizar mejores predicciones (automatizadas) de lo que la gente está diciendo, para lograr búsquedas web más específicas o para el reconocimiento de voz.
  • Metalingüística –
  • Lingüística de signos : estudio científico y análisis de las lenguas de signos naturales, sus características, su estructura (fonología, morfología, sintaxis y semántica), su adquisición (como lengua primaria o secundaria), cómo se desarrollan independientemente de otras lenguas, su aplicación en la comunicación, sus relaciones con otras lenguas (incluidas las lenguas orales) y muchos otros aspectos.
• La interacción persona-ordenador , que se sitúa en la intersección de la informática y las ciencias del comportamiento, abarca el estudio, la planificación y el diseño de la interacción entre las personas (usuarios) y los ordenadores. Prestar atención a la interacción persona-máquina es fundamental, ya que las interfaces hombre-máquina mal diseñadas pueden provocar numerosos problemas inesperados. Un ejemplo clásico es el accidente de Three Mile Island, donde las investigaciones concluyeron que el diseño de la interfaz hombre-máquina fue, al menos en parte, responsable del desastre.
• Recuperación de información (RI) : campo que se ocupa del almacenamiento, la búsqueda y la recuperación de información. Es un campo independiente dentro de la informática (más cercano a las bases de datos), pero la RI se basa en algunos métodos de PLN (por ejemplo, la lematización). Algunas investigaciones y aplicaciones actuales buscan tender un puente entre la RI y el PLN.
• Representación del conocimiento (RC) : área de investigación en inteligencia artificial que busca representar el conocimiento mediante símbolos para facilitar la inferencia a partir de sus elementos, creando así nuevos elementos de conocimiento. La investigación en representación del conocimiento implica el análisis de cómo razonar con precisión y eficacia, y cómo utilizar de la mejor manera un conjunto de símbolos para representar un conjunto de hechos dentro de un dominio del conocimiento.
  • Red semántica : estudio de las relaciones semánticas entre conceptos.
    • Web semántica –
• Aprendizaje automático : subcampo de la informática que examina el reconocimiento de patrones y la teoría del aprendizaje computacional en inteligencia artificial. Existen tres enfoques principales para el aprendizaje automático. El aprendizaje supervisado se produce cuando un tutor proporciona a la máquina ejemplos de entradas y salidas para que aprenda una regla que las relacione con las salidas. El aprendizaje no supervisado se produce cuando la máquina determina la estructura de las entradas sin recibir ejemplos de entradas o salidas. El aprendizaje por refuerzo se produce cuando una máquina debe realizar una tarea sin retroalimentación de un tutor.
  • Reconocimiento de patrones : rama del aprendizaje automático que examina cómo las máquinas reconocen regularidades en los datos. Al igual que en el aprendizaje automático, los instructores pueden entrenar a las máquinas para reconocer patrones proporcionándoles ejemplos de entrada y salida (es decir, aprendizaje supervisado ), o las máquinas pueden reconocer patrones sin ser entrenadas con ningún ejemplo de entrada o salida (es decir, aprendizaje no supervisado ).
  • Clasificación estadística –

• Anáfora : tipo de expresión cuya referencia depende de otro elemento referencial. Por ejemplo, en la oración "Sally prefería la compañía de sí misma", "sí misma" es una expresión anafórica, ya que es correferencial con "Sally", el sujeto de la oración.
• Lenguaje libre de contexto –
• Lenguaje natural controlado : un lenguaje natural con una restricción introducida en su gramática y vocabulario para eliminar la ambigüedad y la complejidad.
• Corpus : conjunto de datos, opcionalmente etiquetados (por ejemplo, mediante el etiquetado de partes de la oración ), que proporciona muestras del mundo real para su análisis y comparación.
  • Corpus textual : conjunto extenso y estructurado de textos, que hoy en día suelen almacenarse y procesarse electrónicamente. Se utilizan para realizar análisis estadísticos y pruebas de hipótesis, comprobar ocurrencias o validar reglas lingüísticas dentro de un tema (o dominio ) específico.
  • Corpus de voz : base de datos de archivos de audio y transcripciones de texto. En tecnología del habla, los corpus de voz se utilizan, entre otras cosas, para crear modelos acústicos (que luego pueden emplearse con un motor de reconocimiento de voz). En lingüística, los corpus de voz se utilizan para investigar la fonética, el análisis de la conversación, la dialectología y otros campos.
• Gramática -
  • Gramática libre de contexto (GLC) –
  • Gramática de restricciones (CG) –
  • Gramática de cláusulas definidas (DCG) –
  • Gramática de unificación funcional (FUG) –
  • Gramática de estructura de frases generalizada (GPSG) –
  • Gramática de estructura de frases dirigida por la cabeza (HPSG) –
  • Gramática léxico-funcional (GLF) –
  • Gramática libre de contexto probabilística (PCFG) : otro nombre para la gramática libre de contexto estocástica.
  • Gramática estocástica libre de contexto (SCFG) –
  • Gramática funcional sistémica (GFS) –
  • Gramática de adjunción de árboles (TAG) –
• Lenguaje natural –
• n -grama : secuencia de n elementos, donde un elemento es un carácter, sílaba o palabra. La n se reemplaza por un número. Por lo tanto, un 5-grama es un n- grama de 5 letras, sílabas o palabras. "Eat this" es un 2-grama (también conocido como bigrama).
  • Bigrama : n -grama de 2 tokens. Toda secuencia de 2 elementos adyacentes en una cadena de tokens es un bigrama. Los bigramas se utilizan para el reconocimiento de voz, pueden emplearse para resolver criptogramas y la frecuencia de bigramas es un método para la identificación estadística de idiomas.
  • Trigrama : caso especial del n- grama, donde n es 3.
• Ontología : representación formal de un conjunto de conceptos dentro de un dominio y las relaciones entre esos conceptos.
  • Taxonomía : práctica y ciencia de la clasificación, incluidos los principios que la sustentan y los métodos para clasificar cosas o conceptos.
    • Hiponimia e hiperonimia : la lingüística de los hipónimos e hiperónimos. Un hipónimo comparte una relación de tipo con su hiperónimo. Por ejemplo, paloma, cuervo, águila y gaviota son todos hipónimos de ave (su hiperónimo), que, a su vez, es un hipónimo de animal.
    • Taxonomía para motores de búsqueda : generalmente denominada "taxonomía de entidades". Se trata de una estructura jerárquica cuyos nodos están etiquetados con entidades que se espera que aparezcan en una consulta de búsqueda web. Estas estructuras se utilizan para relacionar las palabras clave de una consulta de búsqueda con las palabras clave de las respuestas relevantes (o fragmentos).
• Implicación textual : relación direccional entre fragmentos de texto. Esta relación se cumple siempre que la veracidad de un fragmento de texto se deriva de otro. En el marco de la Teoría de la Implicación Textual (TE), los textos implicante y derivado se denominan texto (t) e hipótesis (h), respectivamente. La relación es direccional porque, si bien "t implica h", la relación inversa "h implica t" es mucho menos segura.
• Trífono : secuencia de tres fonemas. Los trifonos son útiles en los modelos de procesamiento del lenguaje natural, donde se utilizan para establecer los diversos contextos en los que puede aparecer un fonema en una lengua natural determinada.

Historia del procesamiento del lenguaje natural

• Historia de la traducción automática
• Historia de la calificación automatizada de ensayos
• Historia de la interfaz de usuario en lenguaje natural
• Historia de la comprensión del lenguaje natural
• Historia del reconocimiento óptico de caracteres
• Historia de la respuesta a preguntas
• Historia de la síntesis de voz
• Prueba de Turing : prueba de la capacidad de una máquina para exhibir un comportamiento inteligente, equivalente o indistinguible del de un ser humano. En el ejemplo ilustrativo original, un juez humano conversa en lenguaje natural con otro humano y una máquina diseñada para generar un desempeño indistinguible del humano. Todos los participantes están separados entre sí. Si el juez no puede distinguir con certeza entre la máquina y el humano, se considera que la máquina ha superado la prueba. Alan Turing introdujo la prueba en su artículo de 1950, "Computing Machinery and Intelligence", que comienza con las palabras: "Me propongo considerar la pregunta: '¿Pueden pensar las máquinas?'"
• Gramática universal : teoría lingüística , generalmente atribuida a Noam Chomsky , que propone que la capacidad de aprender gramática está programada en el cerebro. ^{[ 8 ]} La teoría sugiere que la habilidad lingüística se manifiesta sin ser enseñada ( véase pobreza del estímulo ) y que existen propiedades que comparten todas las lenguas humanas naturales . Es cuestión de observación y experimentación determinar con precisión qué habilidades son innatas y qué propiedades comparten todas las lenguas.
• ALPAC fue un comité de siete científicos liderado por John R. Pierce, establecido en 1964 por el gobierno estadounidense para evaluar el progreso de la lingüística computacional en general y la traducción automática en particular. Su informe, publicado en 1966, se hizo famoso por su escepticismo hacia la investigación realizada hasta entonces en traducción automática y por enfatizar la necesidad de investigación básica en lingüística computacional; esto provocó que el gobierno estadounidense redujera drásticamente su financiación para este campo.
• Teoría de la dependencia conceptual : un modelo de comprensión del lenguaje natural utilizado en sistemas de inteligencia artificial. Roger Schank, de la Universidad de Stanford, introdujo este modelo en 1969, en los albores de la inteligencia artificial. ^{[ 9 ]} Este modelo fue ampliamente utilizado por los estudiantes de Schank en la Universidad de Yale, como Robert Wilensky, Wendy Lehnert y Janet Kolodner.
• Red de transición aumentada : tipo de estructura de teoría de grafos utilizada en la definición operacional de lenguajes formales, especialmente en el análisis sintáctico de lenguajes naturales relativamente complejos, y con amplia aplicación en inteligencia artificial. Introducida por William A. Woods en 1970.
• Traducción de idiomas distribuida (proyecto) –

• El algoritmo de Sukhotin es un algoritmo de clasificación estadística que permite clasificar los caracteres de un texto como vocales o consonantes. Fue creado inicialmente por Boris V. Sukhotin.
• T9 (texto predictivo) , que significa "Texto en 9 teclas", es una tecnología de texto predictivo patentada en EE. UU. para teléfonos móviles (específicamente aquellos que contienen un teclado numérico de 3x4), desarrollada originalmente por Tegic Communications, ahora parte de Nuance Communications.
• Tatoeba : base de datos online gratuita y colaborativa de ejemplos de frases, dirigida a estudiantes de idiomas extranjeros.
• Teragram Corporation , filial de SAS Institute, importante productor de software de análisis estadístico, tiene su sede en Cary, Carolina del Norte, EE. UU. Teragram, con sede en Cambridge, Massachusetts, se especializa en la aplicación de la lingüística computacional al procesamiento del lenguaje natural multilingüe.
• TipTop Technologies es la empresa que desarrolló TipTop Search, un motor de búsqueda web social en tiempo real con una plataforma única para el análisis semántico del lenguaje natural. TipTop Search ofrece resultados que capturan el sentimiento, las opiniones y las experiencias individuales y grupales a partir de diversos tipos de contenido, incluidos mensajes en tiempo real de Twitter o reseñas de productos de consumidores en Amazon.com.
• Búsqueda transderivacional : se realiza una búsqueda de coincidencia aproximada en un campo amplio. En computación, la función equivalente se puede realizar utilizando memoria direccionable por contenido.
• Discrepancia de vocabulario : fenómeno común en el uso de lenguas naturales, que ocurre cuando diferentes personas nombran la misma cosa o concepto de manera diferente.
• Mapa LRE –
• Reificación (lingüística) –
• Web semántica –
  • Metadatos –
• Sistema de diálogo hablado –
• Gramática de afijos sobre un retículo finito –
• Agregación (lingüística) –
• Modelo de bolsa de palabras : modelo que representa un texto como una bolsa (multiconjunto) de sus palabras, sin tener en cuenta la gramática ni la secuencia de palabras, pero manteniendo la multiplicidad. Este modelo se utiliza comúnmente para entrenar clasificadores de documentos.
• Etiquetador brillante –
• Modelo de lenguaje de caché –
• ChaSen y MeCab proporcionan análisis morfológico y división de palabras para el japonés.
• WSD monolingüe clásico –
• Bosque libre –
• El Diccionario de Pronunciación de CMU , también conocido como cmudict , es un diccionario de pronunciación de dominio público diseñado para su uso en tecnología del habla y fue creado por la Universidad Carnegie Mellon (CMU). Define una correspondencia entre las palabras en inglés y sus pronunciaciones en Norteamérica, y se utiliza comúnmente en aplicaciones de procesamiento del habla como el Sistema de Síntesis de Voz Festival y el sistema de reconocimiento de voz CMU Sphinx .
• Minería de conceptos –
• Determinación del contenido –
• DATR –
• DBpedia Spotlight –
• Procesamiento lingüístico profundo –
• Relación discursiva –
• Matriz documento-término –
• Dragomir R. Radev –
• ETBLAST –
• Red de transición recursiva con filtrado y extracción de filtros –
• Robby Garner –
• GeneRIF –
• Dirección de Gorn –
• Inducción gramatical –
• Gramática –
• Truco de hashing –
• Modelo oculto de Markov –
• Tecnología del lenguaje humano –
• Extracción de información –
• Conferencia Internacional sobre Recursos y Evaluación del Lenguaje –
• Estrella Kleene –
• Corporación de Computación de Idiomas –
• Modelo de lenguaje –
• LanguageWare –
• Mapeo semántico latente –
• Recuperación de información legal –
• Algoritmo de Lesk –
• Tecnologías Lessac –
• Lexalytics –
• Elección léxica –
• Marco de marcado léxico –
• Sustitución léxica –
• LKB –
• Forma lógica –
• Mapa LRE –
• Usabilidad del software de traducción automática –
• MAREC –
• Entropía máxima –
• Conferencia sobre la comprensión del mensaje –
• METEORO –
• Semántica de recursión mínima –
• Patrón morfológico –
• Resumen de múltiples documentos –
• Notación multilingüe –
• Semántica ingenua –
• Lenguaje natural –
• Interfaz de lenguaje natural –
• Interfaz de usuario en lenguaje natural –
• Análisis de noticias –
• Polinomio no determinista –
• Sistema de respuesta a preguntas de dominio abierto –
• Teoría de la optimalidad –
• Paco Nathan –
• Gramática de la estructura de las frases –
• Powerset (empresa) –
• Producción (informática) –
• PropBank –
• Responder a preguntas –
• Realización (lingüística) –
• Red de transición recursiva –
• Generación de expresiones de referencia –
• Regla de reescritura –
• Compresión semántica –
• Red neuronal semántica –
• SemEval –
• Notación SPL –
• Derivación : reduce una palabra flexionada o derivada a su raíz , base o forma fundamental .
• Núcleo de cadena –

• Google Ngram Viewer : grafica el uso de n -gramas a partir de un corpus de más de 5,2 millones de libros.

• AFNLP (Federación Asiática de Asociaciones de Procesamiento del Lenguaje Natural) : la organización que coordina las actividades y eventos relacionados con el procesamiento del lenguaje natural en la región de Asia-Pacífico.
• Asociación de Lingüística Computacional : sociedad científica y profesional internacional para personas que trabajan en problemas relacionados con el procesamiento del lenguaje natural.

• Daniel Bobrow –
• Rollo Carpenter – creador de Jabberwacky y Cleverbot.
• Noam Chomsky – autor de la obra fundamental Estructuras sintácticas , que revolucionó la lingüística con la « gramática universal », un sistema de estructuras sintácticas basado en reglas. ^{[ 22 ]}
• Kenneth Colby –
• David Ferrucci , investigador principal del equipo que creó Watson , la computadora con IA de IBM que ganó el concurso Jeopardy!
• Lyn Frazier –
• Daniel Jurafsky es profesor de Lingüística e Informática en la Universidad de Stanford. Junto con James H. Martin , escribió el libro de texto Procesamiento del habla y del lenguaje: Introducción al procesamiento del lenguaje natural, el reconocimiento del habla y la lingüística computacional.
• Roger Schank introdujo la teoría de la dependencia conceptual para la comprensión del lenguaje natural. ^{[ 23 ]}
• Árbol de Jean E. Fox –
• Alan Turing – creador de la prueba de Turing .
• Joseph Weizenbaum , autor del chatterbot ELIZA .
• Terry Winograd es profesor de informática en la Universidad de Stanford y codirector del Grupo de Interacción Humano-Computadora de Stanford. Es conocido en los campos de la filosofía de la mente y la inteligencia artificial por su trabajo sobre el lenguaje natural utilizando el programa SHRDLU.
• William Aaron Woods –
• Maurice Gross , autor del concepto de gramática local, ^{[ 24 ]} tomando los autómatas finitos como modelo de competencia del lenguaje. ^{[ 25 ]}
• Stephen Wolfram – CEO y fundador de Wolfram Research , creador del lenguaje de programación (comprensión del lenguaje natural) Wolfram Language y del motor de computación de procesamiento del lenguaje natural Wolfram Alpha . ^{[ 26 ]}
• Víctor Yngve –

• Crevier, Daniel (1993). IA: La tumultuosa búsqueda de la inteligencia artificial . Nueva York, NY: BasicBooks. ISBN 0-465-02997-3.
• McCorduck, Pamela (2004), Máquinas que piensan (2.ª  ed.), Natick, MA: AK Peters, Ltd., ISBN 978-1-56881-205-2, OCLC 52197627 .
• Russell, Stuart J.; Norvig , Peter (2003), Inteligencia artificial: un enfoque moderno (2.ª  ed.), Upper Saddle River, Nueva Jersey: Prentice Hall, ISBN 0-13-790395-2.