我在查看邮件时，发现Gmail自动建议我将coming friday around 5pm添加到2月21日的事件中。我很惊讶Gmail是如何做到这一点的？我是说，它是如何正确地判断出这个星期五指的是即将到来的星期五，并且还将5点与星期五联系起来的？
我对自然语言处理和机器学习是新手，所以如果有人能用通俗易懂的语言向我解释，我会非常高兴的
回答：
我认为这并不需要很多机器学习。一些自然语言处理有助于从句子中获取依赖关系，但即使没有这些也是可以的。
你可以从查找关键词monday、tuesday等开始，然后查看它们周围的内容，如last monday、next monday、coming monday、previous monday等等。这些被称为窗口特征，因为它们为你感兴趣的特征monday提供了一个窗口+/- 1,2,3 ...。理论上，你也可以通过查看窗口特征来获取around 5pm，我没有直觉认为这会有多嘈杂。试着想出在那个语境中表达时间的所有方式，然后考虑这些方式可能会与其他东西混淆。凭我的直觉，这似乎相对容易做到。
无论如何，另一种方法是使用依赖解析器来提取句子中元素的语法关系。这需要你对句子进行词性（POS）标记（在将其分成词元之后）。词性标记器需要被训练以识别friday和monday是名词，可能甚至是时间表达式，同样的，5pm和around 5pm也是如此。这确实需要机器学习，而且需要很多。谷歌相对于其他公司的优势在于他们拥有大量数据，这使他们能够拥有大量不同表达方式的例子，这些表达方式本质上是相同的东西。这让他们的模型具有很广的覆盖面。一旦你对句子进行了词性标记，你就将其输入到依赖解析器中（如斯坦福依赖解析器），它会告诉你句子中所有不同词元之间的关系。
同样，谷歌拥有大量数据，这很有帮助。除此之外，谷歌已经花了多年时间来完善模型的输出，以便当模型对发生的事情不太确定时，它不会高亮/提取结果。在现实世界中实际应用自然语言处理时，最后这一步非常重要，因为它让人们对系统所做的事情充满信心。基本上，如果软件不确定发生了什么，就什么也不做，因为做一些事情可能会做错事，这会降低人们对整个系统的信心。
发布一个可靠且易用的自然语言处理应用程序需要在自然语言处理/机器学习的质量与一般的软件工程之间进行权衡，以隐藏自然语言处理失败的部分不让用户看到。
试着给自己发送一些以不同方式表达时间的电子邮件，看看谷歌能识别哪些，不能识别哪些。例如
- 我们下周五见面可以吗？
- 下周五下午2点喝咖啡怎么样？
- 我周五不行，但我周三下午4点可以见面
等等，探索技术中的漏洞总是很有趣的。这也可以揭示很多关于它在做什么，以及它是如何做的信息。
