1
00:00:00,000 --> 00:00:08,364

2
00:00:08,364 --> 00:00:08,870
>> LUCAS FREITAS: Хей.

3
00:00:08,870 --> 00:00:09,980
Добре дошли на всички.

4
00:00:09,980 --> 00:00:11,216
Моето име е Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Аз съм младши в [недоловим] изучаване
компютърни науки с фокус в

6
00:00:15,220 --> 00:00:16,410
компютърната лингвистика.

7
00:00:16,410 --> 00:00:19,310
Така че ми е вторична в езика
и езикова теория.

8
00:00:19,310 --> 00:00:21,870
Аз съм наистина развълнуван да научи вас, момчета
малко за областта.

9
00:00:21,870 --> 00:00:24,300
Това е една много интересна област за изследване.

10
00:00:24,300 --> 00:00:27,260
Също така с много потенциал
за бъдещето.

11
00:00:27,260 --> 00:00:30,160
Така че, аз съм много развълнуван, че вие, момчета,
се обмисля проекти в

12
00:00:30,160 --> 00:00:31,160
компютърната лингвистика.

13
00:00:31,160 --> 00:00:35,460
И аз ще бъда повече от щастлив да съветва
някой от вас, ако решите да

14
00:00:35,460 --> 00:00:37,090
преследват една от тези.

15
00:00:37,090 --> 00:00:40,010
>> Така че на първо място това, което са изчислителна
лингвистика?

16
00:00:40,010 --> 00:00:44,630
Така че компютърната лингвистика е на
пресичане между лингвистиката и

17
00:00:44,630 --> 00:00:46,390
компютърни науки.

18
00:00:46,390 --> 00:00:47,415
Така че, това, което е лингвистика?

19
00:00:47,415 --> 00:00:48,490
Какво е компютърни науки?

20
00:00:48,490 --> 00:00:51,580
Ами от лингвистиката, какво
ние приемаме, са езиците.

21
00:00:51,580 --> 00:00:54,960
Така че лингвистиката е всъщност изследването
на естествен език като цяло.

22
00:00:54,960 --> 00:00:58,330
Така естествен език - ние говорим за
език, който ние всъщност се използва за

23
00:00:58,330 --> 00:00:59,770
комуникират помежду си.

24
00:00:59,770 --> 00:01:02,200
Така че ние не сме точно говориш
за C или Java.

25
00:01:02,200 --> 00:01:05,900
Говорим повече за английски език и
Китайски и други езици, които ние

26
00:01:05,900 --> 00:01:07,780
използвате, за да комуникират един с друг.

27
00:01:07,780 --> 00:01:12,470
>> Предизвикателният нещо за това е, че
точно сега имаме почти 7000

28
00:01:12,470 --> 00:01:14,260
езици в света.

29
00:01:14,260 --> 00:01:19,520
Така че има доста висок разнообразие
на езици, които можем да учат.

30
00:01:19,520 --> 00:01:22,600
И тогава си мислиш, че това е може би
много трудно да се направи, например,

31
00:01:22,600 --> 00:01:26,960
превод от един език в
друга, като се има предвид, че имате

32
00:01:26,960 --> 00:01:28,240
почти 7000 от тях.

33
00:01:28,240 --> 00:01:31,450
Така че, ако мислите, че за правене на превод
от един език на другия ви

34
00:01:31,450 --> 00:01:35,840
има почти повече от един милион
различни комбинации, които можете да

35
00:01:35,840 --> 00:01:37,330
имаме от език с езика.

36
00:01:37,330 --> 00:01:40,820
Така че това е наистина предизвикателство да се направят някои
вид система например за превод

37
00:01:40,820 --> 00:01:43,540
всеки един език.

38
00:01:43,540 --> 00:01:47,120
>> Така че, лингвистика третира с синтаксис,
семантика, прагматика.

39
00:01:47,120 --> 00:01:49,550
Вие, момчета, не се нуждаят от точно
да знам какво са те.

40
00:01:49,550 --> 00:01:55,090
Но много интересно нещо е, че
като роден език, когато се научиш

41
00:01:55,090 --> 00:01:59,010
език като дете, вие всъщност се учи
всички тези неща - синтактични семантика

42
00:01:59,010 --> 00:02:00,500
и прагматика -

43
00:02:00,500 --> 00:02:01,430
от себе си.

44
00:02:01,430 --> 00:02:04,820
И никой няма да ви научи синтаксис за
можете да разберете как изречения са

45
00:02:04,820 --> 00:02:05,290
структурирана.

46
00:02:05,290 --> 00:02:07,980
Така че, това е наистина интересно, защото
това е нещо, което идва много

47
00:02:07,980 --> 00:02:10,389
интуитивно.

48
00:02:10,389 --> 00:02:13,190
>> И какво са ти като от
компютърната наука?

49
00:02:13,190 --> 00:02:16,700
Е, най-важното нещо, което ние
имат по компютърни науки е първият от

50
00:02:16,700 --> 00:02:19,340
всички, изкуствен интелект
и машинно обучение.

51
00:02:19,340 --> 00:02:22,610
Така че, това, което ние се опитваме да правим
компютърна лингвистика е науча

52
00:02:22,610 --> 00:02:26,990
компютъра си как да се направи нещо
с език.

53
00:02:26,990 --> 00:02:28,630
>> Така, например, в машина
превод.

54
00:02:28,630 --> 00:02:32,490
Опитвам се да науча моя компютър как
да знаете как да се преход от едно

55
00:02:32,490 --> 00:02:33,310
език на другия.

56
00:02:33,310 --> 00:02:35,790
Така че, общо взето като Обучението
на компютърни два езика.

57
00:02:35,790 --> 00:02:38,870
Ако го направя обработка на естествен език,
какъвто е случаят например на

58
00:02:38,870 --> 00:02:41,810
Facebook е Graph Search, ви научи
компютъра си как да се разбере

59
00:02:41,810 --> 00:02:42,730
заявки добре.

60
00:02:42,730 --> 00:02:48,130
>> Така че, ако ти кажа "снимките на моя
приятели. "Facebook не лекуват, че

61
00:02:48,130 --> 00:02:51,130
като цяло низ, който има
само куп думи.

62
00:02:51,130 --> 00:02:56,020
То всъщност разбира връзката
между "Снимки" и "моите приятели" и

63
00:02:56,020 --> 00:02:59,620
разбира, че "снимки" са
собственост на "моите приятели".

64
00:02:59,620 --> 00:03:02,350
>> Така че, това е част от, например,
обработка на естествен език.

65
00:03:02,350 --> 00:03:04,790
Той се опитва да разбере какво
е връзката между

66
00:03:04,790 --> 00:03:07,520
на думите в изречение.

67
00:03:07,520 --> 00:03:11,170
И големият въпрос е, може ли
преподават компютър как да говорят

68
00:03:11,170 --> 00:03:12,650
език, като цяло?

69
00:03:12,650 --> 00:03:17,810
Което е много интересен въпрос, да
Мисля, че като че ли може би в бъдеще,

70
00:03:17,810 --> 00:03:19,930
ти започваш да бъде в състояние да
консултирайте се с Вашия мобилен телефон.

71
00:03:19,930 --> 00:03:23,290
Нещо като това, което правим с Siri, но
нещо по-скоро като, всъщност можете да

72
00:03:23,290 --> 00:03:25,690
казват каквото си искат и телефона
ще се разбере всичко.

73
00:03:25,690 --> 00:03:28,350
И тя може да има последващи действия въпроси
и продължавай да говориш.

74
00:03:28,350 --> 00:03:30,880
Това е нещо наистина вълнуващо,
по мое мнение.

75
00:03:30,880 --> 00:03:33,070
>> Така че, нещо за естествените езици.

76
00:03:33,070 --> 00:03:36,220
Нещо наистина интересно за
естествените езици е, че и това е

77
00:03:36,220 --> 00:03:38,470
кредит за моя лингвистика професор,
Maria Polinsky.

78
00:03:38,470 --> 00:03:40,830
Тя дава за пример и аз мисля,
това е наистина интересно.

79
00:03:40,830 --> 00:03:47,060
Тъй като ние се учим език от времето, когато
ние сме родени и след това родната ни

80
00:03:47,060 --> 00:03:49,170
език вид расте върху нас.

81
00:03:49,170 --> 00:03:52,570
>> И в общи линии да научите език
от минимално участие, нали?

82
00:03:52,570 --> 00:03:56,700
Ти просто се на сигнала от вашия
родители на това, което звучи вашия език

83
00:03:56,700 --> 00:03:58,770
харесва и просто го научат.

84
00:03:58,770 --> 00:04:02,240
Така че, това е интересно, защото, ако се вгледате
в тези изречения, например.

85
00:04:02,240 --> 00:04:06,980
Изглеждаш, "Мери си слага палто всеки
време тя напуска къщата. "

86
00:04:06,980 --> 00:04:10,650
>> В този случай, че е възможно да има
думата "тя" се отнасят до Мери, нали?

87
00:04:10,650 --> 00:04:13,500
Може да се каже, "Мери си слага палто
всеки път, когато Мери напуска

88
00:04:13,500 --> 00:04:14,960
къща. ", така че е добре.

89
00:04:14,960 --> 00:04:19,370
Но след това, ако се вгледате в изречението
"Тя си слага палто всеки път Mary

90
00:04:19,370 --> 00:04:22,850
напуска къщата. "знаеш, че е
невъзможно да се каже, че "тя" е

91
00:04:22,850 --> 00:04:24,260
позовавайки се Мери.

92
00:04:24,260 --> 00:04:27,070
>> Няма начин да се каже, че "Мери поставя
върху палто всеки път Mary напуска

93
00:04:27,070 --> 00:04:30,790
къщата. "Така че това е интересно, защото
това е вид на интуицията

94
00:04:30,790 --> 00:04:32,890
че всеки англоговорящ има.

95
00:04:32,890 --> 00:04:36,370
И никой не е научил, че това е
начина, по който работи синтаксис.

96
00:04:36,370 --> 00:04:41,930
И че можете да имате само това "тя"
позовавайки се Mary в този първи случай,

97
00:04:41,930 --> 00:04:44,260
и всъщност в другия
също, но не в този.

98
00:04:44,260 --> 00:04:46,500
Но всеки вид получава
на същия отговор.

99
00:04:46,500 --> 00:04:48,580
Всички са съгласни с това.

100
00:04:48,580 --> 00:04:53,280
Така че това е наистина интересно как въпреки
не знаете всички правила

101
00:04:53,280 --> 00:04:55,575
на вашия език някак си разбирам
как работи езика.

102
00:04:55,575 --> 00:04:59,020

103
00:04:59,020 --> 00:05:01,530
>> Така че интересното нещо за природен
език е, че не е нужно да се

104
00:05:01,530 --> 00:05:06,970
познавам никакъв синтаксис да знам, ако едно изречение
е граматическа или ungrammatical за

105
00:05:06,970 --> 00:05:08,810
повечето случаи.

106
00:05:08,810 --> 00:05:13,220
Кое ви кара да мислите, че може би това, което
се случва, е, че през живота си,

107
00:05:13,220 --> 00:05:17,410
просто продължавай все повече и повече
изречения казаха за вас.

108
00:05:17,410 --> 00:05:19,800
И тогава ще се запази запомняне
всички присъди.

109
00:05:19,800 --> 00:05:24,230
И тогава, когато някой ви каже,
нещо, чу ли това изречение и

110
00:05:24,230 --> 00:05:27,040
погледнете в речника си
на изречения и да видим дали

111
00:05:27,040 --> 00:05:28,270
това изречение е там.

112
00:05:28,270 --> 00:05:29,830
И ако той е там ви
Казват, че е граматическа.

113
00:05:29,830 --> 00:05:31,740
Ако това не е ли казал, че е
ungrammatical.

114
00:05:31,740 --> 00:05:35,150
>> Така че, в този случай, бих казал, о,
така че имате огромен списък на всички

115
00:05:35,150 --> 00:05:36,140
възможни присъди.

116
00:05:36,140 --> 00:05:38,240
И тогава, когато чуете едно изречение,
Знаете ли дали това е граматическа или

117
00:05:38,240 --> 00:05:39,450
не се основава на това.

118
00:05:39,450 --> 00:05:42,360
Работата е там, че ако се вгледате в
едно изречение, например, "The

119
00:05:42,360 --> 00:05:47,540
пет глави CS50 TFS варени слепите
октопод с помощта на DAPA чаша. "Това е

120
00:05:47,540 --> 00:05:49,630
Определено не е присъда
че сте чували преди.

121
00:05:49,630 --> 00:05:52,380
Но в същото време знаеш, че е
доста много граматични, нали?

122
00:05:52,380 --> 00:05:55,570
Има още няма граматически грешки
и може да се каже, че

123
00:05:55,570 --> 00:05:57,020
това е възможно изречение.

124
00:05:57,020 --> 00:06:01,300
>> Така че това ни кара да мислим, че всъщност
така, че ние се учим език е не само

125
00:06:01,300 --> 00:06:07,090
от наличието на огромна база данни на възможно
думи или изречения, но повече от

126
00:06:07,090 --> 00:06:11,490
разбиране на връзката между
думи в тези изречения.

127
00:06:11,490 --> 00:06:14,570
Това прави ли смисъл?

128
00:06:14,570 --> 00:06:19,370
Така че, тогава въпросът е, може ли
компютри изучаване на чужди езици?

129
00:06:19,370 --> 00:06:21,490
Можем ли да научи език с компютри?

130
00:06:21,490 --> 00:06:24,230
>> Така че, нека да мислим за разликата
между англоговорящ на език

131
00:06:24,230 --> 00:06:25,460
и компютър.

132
00:06:25,460 --> 00:06:27,340
Така че, това, което се случва на говорителя?

133
00:06:27,340 --> 00:06:30,430
Е, местният научава
език от излагането на него.

134
00:06:30,430 --> 00:06:34,200
Обикновено неговите ранни години детство.

135
00:06:34,200 --> 00:06:38,570
Така че, общо взето, можете просто да има бебе,
и продължаваш да говориш с него, и да го

136
00:06:38,570 --> 00:06:40,540
просто се научава как да се говори
на езика, нали?

137
00:06:40,540 --> 00:06:42,660
Така че, вие основно даване
вход за бебето.

138
00:06:42,660 --> 00:06:45,200
Така че, след това можете да се твърди, че един компютър
може да направи същото нещо, нали?

139
00:06:45,200 --> 00:06:49,510
Можете просто да се даде език
като вход към компютъра.

140
00:06:49,510 --> 00:06:53,410
>> Като например един куп файлове
че има книги на английски език.

141
00:06:53,410 --> 00:06:56,190
Може би това е един начин, по който
би могъл да се научи

142
00:06:56,190 --> 00:06:57,850
компютър английски, нали?

143
00:06:57,850 --> 00:07:01,000
И в действителност, ако си мислиш за него,
тя ще ви отведе може би няколко

144
00:07:01,000 --> 00:07:02,680
дни, за да прочетат една книга.

145
00:07:02,680 --> 00:07:05,760
За компютър отнема секунда
разгледаме всички думи в една книга.

146
00:07:05,760 --> 00:07:10,810
Така че можеш да се сетиш, че може да бъде само това
аргумент на вход от около теб,

147
00:07:10,810 --> 00:07:15,440
това не е достатъчно, за да се каже, че това е
нещо, че само хората могат да направят.

148
00:07:15,440 --> 00:07:17,680
Можете да мислите компютри
също могат да получат вход.

149
00:07:17,680 --> 00:07:21,170
>> Второто нещо е, че е роден език
също в мозъка, който е

150
00:07:21,170 --> 00:07:23,870
езиковото обучение способности.

151
00:07:23,870 --> 00:07:27,020
Но ако си мислиш за него,
мозък е нещо твърдо.

152
00:07:27,020 --> 00:07:30,450
Когато се роди, той вече е определен -

153
00:07:30,450 --> 00:07:31,320
това е вашият мозък.

154
00:07:31,320 --> 00:07:34,660
И като пораснеш, можете просто да се по-
въвеждане на език, а може би и хранителни вещества

155
00:07:34,660 --> 00:07:35,960
и други неща.

156
00:07:35,960 --> 00:07:38,170
Но почти мозъка
е нещо твърдо.

157
00:07:38,170 --> 00:07:41,290
>> Така че може да се каже, добре, може би ще
изграждане на компютър, който има куп

158
00:07:41,290 --> 00:07:45,890
функции и методи, които само имитират
езиковото обучение способности.

159
00:07:45,890 --> 00:07:49,630
Така че в този смисъл може да се каже, добре, аз
може да има компютър, който разполага с всички

160
00:07:49,630 --> 00:07:52,270
неща, които трябва да научат езика.

161
00:07:52,270 --> 00:07:56,200
И последното нещо, което е, че е родом
говорител се учи от опита и грешката.

162
00:07:56,200 --> 00:08:01,090
Така че основно друго важно нещо в
изучаването на езици е, че вид

163
00:08:01,090 --> 00:08:05,340
на научите неща, като
обобщения на това, което чувате.

164
00:08:05,340 --> 00:08:10,280
>> Така че, както се израстването ви научат, че
някои думи са по-скоро като съществителни,

165
00:08:10,280 --> 00:08:11,820
някои други такива са прилагателни.

166
00:08:11,820 --> 00:08:14,250
И не е нужно да има някакви
познания по лингвистика

167
00:08:14,250 --> 00:08:15,040
да се разбере това.

168
00:08:15,040 --> 00:08:18,560
Но ти просто знаеш, че има някои думи
са разположени в някоя част на

169
00:08:18,560 --> 00:08:22,570
изречение и някои други, в други
части на изречението.

170
00:08:22,570 --> 00:08:26,110
>> И че когато правиш нещо, което е
като едно изречение, което не е вярно -

171
00:08:26,110 --> 00:08:28,770
Може би защото на над генерализация
например.

172
00:08:28,770 --> 00:08:32,210
Може би, когато сте расте, можете да забележите
че множествено число е обикновено

173
00:08:32,210 --> 00:08:35,809
формиран чрез поставяне на S в
на края на думата.

174
00:08:35,809 --> 00:08:40,042
И тогава ще се опитаме да направим множествено число на
"елен", като "елен" или "зъб" като

175
00:08:40,042 --> 00:08:44,780
"tooths." Така че след това на родителите си или
някой ви поправя и казва, не,

176
00:08:44,780 --> 00:08:49,020
множествено число на "елен" е "елен", а
множествено число на "зъб" е "зъби." И след това

177
00:08:49,020 --> 00:08:50,060
можете да научите тези неща.

178
00:08:50,060 --> 00:08:51,520
Така че можете да научите от опити и грешки.

179
00:08:51,520 --> 00:08:53,100
>> Но можете да направите това
с компютър.

180
00:08:53,100 --> 00:08:55,310
Можете да имате нещо, наречено
армировка обучение.

181
00:08:55,310 --> 00:08:58,560
Което е основно като даде
компютър награда, когато го прави

182
00:08:58,560 --> 00:08:59,410
нещо правилно.

183
00:08:59,410 --> 00:09:04,710
И това дава обратното на награда
и когато го прави нещо нередно.

184
00:09:04,710 --> 00:09:07,410
Всъщност можете да видите, че ако отидете
да Google Translate и да се опитате да

185
00:09:07,410 --> 00:09:10,220
преведете изречение, то
ви пита за обратна връзка.

186
00:09:10,220 --> 00:09:13,240
Така че, ако ви кажа, о, там е по-добър
превод на това изречение.

187
00:09:13,240 --> 00:09:18,140
Можете да го въведете и след това, ако много
хората продължават да казват, че е по-добре

188
00:09:18,140 --> 00:09:21,560
превод, той просто научава, че тя
трябва да използвате вместо на този превод

189
00:09:21,560 --> 00:09:22,960
този, който го е давал.

190
00:09:22,960 --> 00:09:28,830
>> Така че, това е един много философски въпрос
за да видите дали компютрите ще бъдат

191
00:09:28,830 --> 00:09:30,340
в състояние да говори или не в бъдеще.

192
00:09:30,340 --> 00:09:34,440
Но аз имам големи надежди, че те могат
само въз основа на тези аргументи.

193
00:09:34,440 --> 00:09:38,570
Но това е просто повече от една философска
въпрос.

194
00:09:38,570 --> 00:09:43,460
>> Така че, докато компютрите все още не могат да говорят,
Кои са нещата, които можем да направим?

195
00:09:43,460 --> 00:09:47,070
Някои наистина готини неща са
класификация данни.

196
00:09:47,070 --> 00:09:53,210
Така, например, вие знаете
че имейл услуги да направят, за

197
00:09:53,210 --> 00:09:55,580
Например, филтриране на спам.

198
00:09:55,580 --> 00:09:59,070
Така че всеки път, когато получавате спам, то
се опитва да се филтрира до друга кутия.

199
00:09:59,070 --> 00:10:00,270
И така, как да го направя това?

200
00:10:00,270 --> 00:10:06,080
Това не е като на компютъра просто не знае
какво имейл адреси се изпращат спам.

201
00:10:06,080 --> 00:10:09,130
Така че това е по-въз основа на съдържанието на
съобщението, или може би титлата, или

202
00:10:09,130 --> 00:10:11,310
може би някой модел, който имате.

203
00:10:11,310 --> 00:10:15,690
>> Така че, общо взето, това, което можете да направите, е да получите
много данни от имейли, които са спам,

204
00:10:15,690 --> 00:10:19,980
имейли, които не са спам, и да научат какво
вид на модели имате в

205
00:10:19,980 --> 00:10:21,000
такива, които са спам.

206
00:10:21,000 --> 00:10:23,260
И това е част от изчислителната
лингвистика.

207
00:10:23,260 --> 00:10:24,720
Тя се нарича класификация на данни.

208
00:10:24,720 --> 00:10:28,100
И ние всъщност ще видите
пример за това в следващите слайдове.

209
00:10:28,100 --> 00:10:32,910
>> Второто нещо, което е естествен език
преработка, която е нещо, което

210
00:10:32,910 --> 00:10:36,580
Graph Search прави за отдаване под наем
ти пиша едно изречение.

211
00:10:36,580 --> 00:10:38,690
И тя вярва, че разбирате какво
е смисъла и дава

212
00:10:38,690 --> 00:10:39,940
ти по-добър резултат.

213
00:10:39,940 --> 00:10:43,880
Всъщност, ако отидете на Google или Bing
и вие търсите нещо като Lady

214
00:10:43,880 --> 00:10:47,060
Височина Гага, вие всъщност ще
за да получите 5 "1" вместо информация

215
00:10:47,060 --> 00:10:50,170
от нея, защото тя действително разбира
какво говориш.

216
00:10:50,170 --> 00:10:52,140
Така че това е част от природното
обработка език.

217
00:10:52,140 --> 00:10:57,000
>> Или също така, когато използвате Siri, първо
имате алгоритъм, който се опитва да

218
00:10:57,000 --> 00:11:01,130
превода какво казваш
в думи, в текст.

219
00:11:01,130 --> 00:11:03,690
И тогава той се опитва да се преведат
че в смисъл.

220
00:11:03,690 --> 00:11:06,570
Така, че това е част от естествения
обработка език.

221
00:11:06,570 --> 00:11:08,320
>> След това имате машинен превод -

222
00:11:08,320 --> 00:11:10,300
което е всъщност една
от любимите ми -

223
00:11:10,300 --> 00:11:14,060
която е само превода от
език на друг.

224
00:11:14,060 --> 00:11:17,950
Така че можеш да се сетиш, че когато правиш
машинен превод, имате

225
00:11:17,950 --> 00:11:19,750
неограничени възможности от изречения.

226
00:11:19,750 --> 00:11:22,960
Така че няма начин просто да съхранявате
всеки един превод.

227
00:11:22,960 --> 00:11:27,440
Така че ще трябва да излезе с интересна
алгоритми, за да бъдат в състояние да

228
00:11:27,440 --> 00:11:30,110
превода на всеки един
изречение по някакъв начин.

229
00:11:30,110 --> 00:11:32,483
>> Вие, момчета, имате някакви въпроси досега?

230
00:11:32,483 --> 00:11:34,450
Не?

231
00:11:34,450 --> 00:11:34,830
OK.

232
00:11:34,830 --> 00:11:36,900
>> И така, какво ще видим днес?

233
00:11:36,900 --> 00:11:39,300
На първо място, аз отивам да се говори за
проблема класификация.

234
00:11:39,300 --> 00:11:41,440
Така че този, който бях
казва за спам.

235
00:11:41,440 --> 00:11:46,820
Това, което аз ще направя, е, дадени текстове на песни
за една песен, може да се опитате да разбера

236
00:11:46,820 --> 00:11:49,810
с висока степен на вероятност
който е певицата?

237
00:11:49,810 --> 00:11:53,590
Да кажем, че имам песни от Lady
Gaga и Katy Perry, ако ти дам

238
00:11:53,590 --> 00:11:58,130
нова песен, може да ви разбера, ако
това е Katy Perry или Lady Gaga?

239
00:11:58,130 --> 00:12:01,490
>> Вторият, аз съм просто ще поговорим
за проблема на сегментация.

240
00:12:01,490 --> 00:12:05,780
Така че аз не знам дали вие знаете, но
Китайски, японски, другата East Asian

241
00:12:05,780 --> 00:12:08,090
езици, както и на други езици
Като цяло, не е нужно

242
00:12:08,090 --> 00:12:09,830
интервали между думите.

243
00:12:09,830 --> 00:12:13,540
И тогава, ако си мислиш за начина, по който
компютъра си вид се опитва да

244
00:12:13,540 --> 00:12:18,600
разбирам обработка на естествен език,
той гледа на думите и

245
00:12:18,600 --> 00:12:21,500
се опитва да разбере отношенията
между тях, нали?

246
00:12:21,500 --> 00:12:25,440
Но след това, ако имате китайски, а ти
имат нулеви пространства, това е наистина трудно да се

247
00:12:25,440 --> 00:12:28,360
разберете каква е връзката между
думи, тъй като те не могат да оказват никакво

248
00:12:28,360 --> 00:12:29,530
думи на първо време.

249
00:12:29,530 --> 00:12:32,600
Така че трябва да направим нещо, наречено
сегментация която току-що е поставянето

250
00:12:32,600 --> 00:12:36,490
пространства между това, което ние ще се обади
думи в тези езици.

251
00:12:36,490 --> 00:12:37,740
Направи ли смисъл?

252
00:12:37,740 --> 00:12:39,680

253
00:12:39,680 --> 00:12:41,540
>> И тогава ние ще
говорим за синтаксис.

254
00:12:41,540 --> 00:12:44,050
Така че просто малко за природен
обработка език.

255
00:12:44,050 --> 00:12:45,420
Това ще бъде просто един преглед.

256
00:12:45,420 --> 00:12:50,700
Така че днес, в общи линии това, което искам да направя
ви дам момчета малко на

257
00:12:50,700 --> 00:12:53,930
във вътрешността на това какви са възможностите
, които можете да правите с изчислителна

258
00:12:53,930 --> 00:12:54,960
лингвистика.

259
00:12:54,960 --> 00:13:00,410
И тогава можете да видите какво мислите
е прохладно сред тези неща.

260
00:13:00,410 --> 00:13:02,270
И може би можеш да се сетиш на проект
и дойде да говори с мен.

261
00:13:02,270 --> 00:13:05,260
И мога да ви дам съвет
за това как да го приложат.

262
00:13:05,260 --> 00:13:09,060
>> Така синтаксис ще бъде малко
за Graph Search и машина

263
00:13:09,060 --> 00:13:09,670
превод.

264
00:13:09,670 --> 00:13:13,650
Аз съм просто ще дам един пример за това как
бихте могли, например, превежда

265
00:13:13,650 --> 00:13:16,020
нещо от португалски на английски език.

266
00:13:16,020 --> 00:13:17,830
Звучи добре?

267
00:13:17,830 --> 00:13:19,293
>> Така че, на първо място, проблемът на класификация.

268
00:13:19,293 --> 00:13:23,590
Аз ще кажа, че тази част от семинара
ще бъде най-голямото предизвикателство

269
00:13:23,590 --> 00:13:27,560
едно просто, защото там става
за някои кодиране.

270
00:13:27,560 --> 00:13:29,470
Но това ще е Python.

271
00:13:29,470 --> 00:13:34,380
Знам, че вие, момчета, не знаят, Python, така че
Отивам да се обясни в открито

272
00:13:34,380 --> 00:13:35,750
ниво, което аз правя.

273
00:13:35,750 --> 00:13:40,900
И не е нужно да ми пука прекалено
много за синтаксиса, защото това е

274
00:13:40,900 --> 00:13:42,140
нещо, вие може да се научат.

275
00:13:42,140 --> 00:13:42,540
OK?

276
00:13:42,540 --> 00:13:43,580
Звучи добре.

277
00:13:43,580 --> 00:13:46,020
>> Така че това, което е проблем за класификация?

278
00:13:46,020 --> 00:13:49,140
Значи дал някои текстове да
една песен, а вие искате да се отгатне

279
00:13:49,140 --> 00:13:50,620
кой я пее.

280
00:13:50,620 --> 00:13:54,045
И това може да бъде за всякакъв вид
други проблеми.

281
00:13:54,045 --> 00:13:59,980
Така че това може да бъде, например, може да има
президентска кампания и имате

282
00:13:59,980 --> 00:14:02,610
реч, а вие искате да намерите
, ако това е, например,

283
00:14:02,610 --> 00:14:04,470
Обама или Мит Ромни.

284
00:14:04,470 --> 00:14:07,700
Или можете да имате един куп имейли и
искате да разбера, ако те са

285
00:14:07,700 --> 00:14:08,890
спам или не.

286
00:14:08,890 --> 00:14:11,440
Така че това е просто класифициране на някои
данни въз основа на думите

287
00:14:11,440 --> 00:14:13,790
че имате там.

288
00:14:13,790 --> 00:14:16,295
>> Така че, за да направите това, вие трябва да
се направят някои предположения.

289
00:14:16,295 --> 00:14:20,570
Така че много за компютърна лингвистика
се правят предположения,

290
00:14:20,570 --> 00:14:24,100
обикновено интелигентни предположения, така че
можете да получите добри резултати.

291
00:14:24,100 --> 00:14:26,670
Опитвайки се да се създаде модел за него.

292
00:14:26,670 --> 00:14:31,290
И след това да я изпробвате и да видим дали тя работи,
ако той ви дава добра точност.

293
00:14:31,290 --> 00:14:33,940
И ако това е така, тогава вие
опитайте се да я подобрим.

294
00:14:33,940 --> 00:14:37,640
Ако това не стане, вие сте като OK, може би аз
трябва да се направи различно предположение.

295
00:14:37,640 --> 00:14:44,030
>> Така че предположението, че ние ще
направи, е, че един художник обикновено пее

296
00:14:44,030 --> 00:14:49,220
за една тема няколко пъти, а може би
използва думи, няколко пъти просто

297
00:14:49,220 --> 00:14:50,270
защото те са свикнали с него.

298
00:14:50,270 --> 00:14:51,890
Можете просто да мисля за вашия приятел.

299
00:14:51,890 --> 00:14:57,350
Сигурен съм, че вие, момчета, всички имат приятели
които казват подписа си фраза,

300
00:14:57,350 --> 00:14:59,260
буквално за всяко едно изречение -

301
00:14:59,260 --> 00:15:02,660
като някаква конкретна дума или някои специфични
фраза, която те казват за

302
00:15:02,660 --> 00:15:04,020
всяко едно изречение.

303
00:15:04,020 --> 00:15:07,920
>> И това, което мога да кажа е, че ако те видя
присъда, която има подпис

304
00:15:07,920 --> 00:15:11,450
фраза, можете да се досетите, че вероятно
вашият приятел е

305
00:15:11,450 --> 00:15:13,310
едно го казвам, нали?

306
00:15:13,310 --> 00:15:18,410
Така че направи това предположение и после
Ето как можете да създадете модел.

307
00:15:18,410 --> 00:15:24,440
>> Примерът, че аз ще дам, е на
как Lady Gaga, например, хора

308
00:15:24,440 --> 00:15:27,430
се каже, че тя използва "бебе" за
всичките си номер едно песни.

309
00:15:27,430 --> 00:15:32,270
И всъщност това е едно видео, което показва,
си казва думата "бебе" за

310
00:15:32,270 --> 00:15:33,410
различни песни.

311
00:15:33,410 --> 00:15:33,860
>> [VIDEO PLAYBACK]

312
00:15:33,860 --> 00:15:34,310
>> - (ПЕЕ) Бебе.

313
00:15:34,310 --> 00:15:36,220
Бебе.

314
00:15:36,220 --> 00:15:37,086
Бебе.

315
00:15:37,086 --> 00:15:37,520
Бебе.

316
00:15:37,520 --> 00:15:37,770
Бебе.

317
00:15:37,770 --> 00:15:38,822
Babe.

318
00:15:38,822 --> 00:15:39,243
Бебе.

319
00:15:39,243 --> 00:15:40,085
Бебе.

320
00:15:40,085 --> 00:15:40,510
Бебе.

321
00:15:40,510 --> 00:15:40,850
Бебе.

322
00:15:40,850 --> 00:15:41,090
>> [END възпроизвеждане на видео-

323
00:15:41,090 --> 00:15:44,020
>> LUCAS FREITAS: Така че има, аз мисля,
40 песни тук, в което тя казва, че

324
00:15:44,020 --> 00:15:48,690
думата "бебе". Така че можете да основно предполагам
че ако видите една песен, която има

325
00:15:48,690 --> 00:15:52,180
думата "бебе", има някои високо
вероятност, че това е Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
Но нека да се опитаме да развием тази
още по-официално.

327
00:15:56,450 --> 00:16:00,470
>> Така че това са текстове на песни на
Lady Gaga и Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Така че погледнете Lady Gaga, можете да видите
има много случаи на "бебе", а

329
00:16:04,120 --> 00:16:07,710
много случаи на "начин." И след това
Katy Perry има много случаи на

330
00:16:07,710 --> 00:16:10,360
"За" много случаи на "пожар".

331
00:16:10,360 --> 00:16:14,560
>> Така че основно това, което ние искаме да
направите, е да, вие получавате лиричен.

332
00:16:14,560 --> 00:16:20,480
Да речем, че имате по-лиричен за
песен, която е "бебе", просто "бебе". Ако

333
00:16:20,480 --> 00:16:24,750
просто идва и думата "бебе", а това
е всички данни, които имате от

334
00:16:24,750 --> 00:16:27,880
Lady Gaga и Katy Perry, който ще
ли да се досетите, е лицето

335
00:16:27,880 --> 00:16:29,370
който пее песента?

336
00:16:29,370 --> 00:16:32,360
Lady Gaga или Katy Perry?

337
00:16:32,360 --> 00:16:33,150
Lady Gaga, нали?

338
00:16:33,150 --> 00:16:37,400
Защото тя е само един, който казва,
"Бебе". Това звучи глупаво, нали?

339
00:16:37,400 --> 00:16:38,760
ОК, това е много лесно.

340
00:16:38,760 --> 00:16:41,860
Аз съм просто гледам на двете песни и на
Разбира се, тя е единствената, която има

341
00:16:41,860 --> 00:16:42,660
"Бебе".

342
00:16:42,660 --> 00:16:44,740
>> Но какво, ако имате един куп думи?

343
00:16:44,740 --> 00:16:50,900
Ако имате действително лиричен, нещо
като, "бебе, аз просто

344
00:16:50,900 --> 00:16:51,610
Отидох да видя [? CFT?]

345
00:16:51,610 --> 00:16:54,020
лекция ", или нещо такова, и
тогава вие всъщност трябва да разбера -

346
00:16:54,020 --> 00:16:55,780
въз основа на всички тези думи -

347
00:16:55,780 --> 00:16:58,350
кой е художникът, който вероятно
пееше тази песен?

348
00:16:58,350 --> 00:17:01,860
Така че нека да се опитаме да развием
това малко по-нататък.

349
00:17:01,860 --> 00:17:05,630
>> ОК, така че въз основа само на данните, които ние
Има, изглежда, че Гага е вероятно

350
00:17:05,630 --> 00:17:06,260
певицата.

351
00:17:06,260 --> 00:17:07,904
Но как може да се пише
това по-официално?

352
00:17:07,904 --> 00:17:10,579

353
00:17:10,579 --> 00:17:13,140
И там ще бъде малко
малко статистика.

354
00:17:13,140 --> 00:17:15,880
Така че, ако сте се изгубили, просто опитайте
да се разбере концепцията.

355
00:17:15,880 --> 00:17:18,700
Това няма значение, ако сте разбрали
уравненията отлично.

356
00:17:18,700 --> 00:17:22,150
Това е всичко, няма да бъде на линия.

357
00:17:22,150 --> 00:17:25,490
>> Така че основно това, което аз съм изчисляване е
вероятност, че тази песен е от

358
00:17:25,490 --> 00:17:28,040
Lady Gaga има предвид, че -

359
00:17:28,040 --> 00:17:30,660
така че това означава бар има предвид, че -

360
00:17:30,660 --> 00:17:33,680
Видях думата "бебе".
Това прави ли смисъл?

361
00:17:33,680 --> 00:17:35,540
Така че аз се опитвам да се изчисли
Тази вероятност.

362
00:17:35,540 --> 00:17:38,540
>> Така че там е тази теорема, наречен
Бейс теорема, която казва, че

363
00:17:38,540 --> 00:17:43,330
вероятност на даден тип В, ​​е
вероятност на Б, даден пъти

364
00:17:43,330 --> 00:17:47,660
вероятността, над вероятността
Б. Това е дълго уравнение.

365
00:17:47,660 --> 00:17:51,970
Но това, което трябва да се разбере от
това е, че това е, което искам да

366
00:17:51,970 --> 00:17:52,830
изчисли, нали?

367
00:17:52,830 --> 00:17:56,570
Така че вероятността, че тази песен е от
Lady Gaga има предвид, че видях думата

368
00:17:56,570 --> 00:17:58,230
"Бебе".

369
00:17:58,230 --> 00:18:02,960
>> И сега това, което аз съм се е
вероятност на думата "бебе", дадени

370
00:18:02,960 --> 00:18:04,390
че имам Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
И какво е това същество?

372
00:18:07,220 --> 00:18:10,500
Какво означава това е, какво е
вероятност да видя думата "бебе"

373
00:18:10,500 --> 00:18:12,130
в Gaga текстове на песни?

374
00:18:12,130 --> 00:18:16,240
Ако искам да се изчисли, че в много
прост начин, това е просто броят на

375
00:18:16,240 --> 00:18:23,640
пъти виждам "бебе" над общия брой
на думите в Gaga текстове, нали?

376
00:18:23,640 --> 00:18:27,600
Каква е честотата, че виждам
тази дума в работата Гага?

377
00:18:27,600 --> 00:18:30,530
Направи ли смисъл?

378
00:18:30,530 --> 00:18:33,420
>> Вторият план е
вероятност за Gaga.

379
00:18:33,420 --> 00:18:34,360
Какво означава това?

380
00:18:34,360 --> 00:18:38,550
Това по същество означава, каква е
вероятност за класифициране

381
00:18:38,550 --> 00:18:40,690
някои текстове като Gaga?

382
00:18:40,690 --> 00:18:45,320
И това е малко странно, но
нека помислим за пример.

383
00:18:45,320 --> 00:18:49,230
Така че нека да кажем, че вероятността от
като "бебе" в една песен е същата

384
00:18:49,230 --> 00:18:51,760
за Gaga и Бритни Спиърс.

385
00:18:51,760 --> 00:18:54,950
Но Бритни Спиърс има два пъти
повече песни, отколкото Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Така че, ако някой просто случайно ви дава
текстове на песни на "бебе", първото нещо, което

387
00:19:00,570 --> 00:19:04,710
погледнете е, каква е вероятността от
като "бебе" в Gaga песен, "бебе"

388
00:19:04,710 --> 00:19:05,410
в Britney песен?

389
00:19:05,410 --> 00:19:06,460
И това е едно и също нещо.

390
00:19:06,460 --> 00:19:10,040
>> Така че второто нещо, което ще видите, е,
Е, каква е вероятността от

391
00:19:10,040 --> 00:19:13,770
този лиричен от само себе си, че е Gaga лиричен,
и каква е вероятността от

392
00:19:13,770 --> 00:19:15,380
бъдеш Britney лиричен?

393
00:19:15,380 --> 00:19:18,950
Така че, тъй като Бритни има толкова много повече текстове на песни
от Gaga, Вие вероятно ще

394
00:19:18,950 --> 00:19:21,470
да речем, добре, това е може би
лиричен Бритни.

395
00:19:21,470 --> 00:19:23,340
Така че това е защо ние имаме това
определям точно тук.

396
00:19:23,340 --> 00:19:24,670
Вероятност за Gaga.

397
00:19:24,670 --> 00:19:26,950
Има смисъл?

398
00:19:26,950 --> 00:19:28,660
Така ли е?

399
00:19:28,660 --> 00:19:29,370
OK.

400
00:19:29,370 --> 00:19:33,500
>> И последната една е само вероятността
на "бебе", която не се

401
00:19:33,500 --> 00:19:34,810
наистина значение, че много.

402
00:19:34,810 --> 00:19:39,940
Но това е вероятността от
виждането "бебе" на английски език.

403
00:19:39,940 --> 00:19:42,725
Ние обикновено не ми пука, че
много за този термин.

404
00:19:42,725 --> 00:19:44,490
Това прави ли смисъл?

405
00:19:44,490 --> 00:19:48,110
Така че вероятността от Gaga е
наречен преди вероятността

406
00:19:48,110 --> 00:19:49,530
на Gaga клас.

407
00:19:49,530 --> 00:19:53,840
Защото това просто означава, че това, което е най-
вероятност да се налага този клас -

408
00:19:53,840 --> 00:19:55,520
което е Gaga -

409
00:19:55,520 --> 00:19:59,350
просто като цяло, просто
без никакви условия.

410
00:19:59,350 --> 00:20:02,560
>> И тогава, когато имам вероятност за
Gaga дал "бебе", ние го наричаме плюс

411
00:20:02,560 --> 00:20:06,160
Teary вероятност, защото това е
вероятността за

412
00:20:06,160 --> 00:20:08,300
Gaga дадени някои доказателства.

413
00:20:08,300 --> 00:20:11,050
Така че аз ти давам доказателства
че видях думата бебето и

414
00:20:11,050 --> 00:20:12,690
песента да има смисъл?

415
00:20:12,690 --> 00:20:15,960

416
00:20:15,960 --> 00:20:16,410
OK.

417
00:20:16,410 --> 00:20:22,400
>> Така че, ако съм изчислил, че за всеки
от песните за Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
какво ще бъде -

419
00:20:25,916 --> 00:20:27,730
очевидно, че не може да се движи това.

420
00:20:27,730 --> 00:20:31,850

421
00:20:31,850 --> 00:20:36,920
Вероятността от Gaga ще бъде
нещо подобно, две над 24 пъти по 1/2,

422
00:20:36,920 --> 00:20:38,260
над 2 над 53.

423
00:20:38,260 --> 00:20:40,640
Това няма значение, ако знаете какво
тези числа идват.

424
00:20:40,640 --> 00:20:44,750
Но това е просто число, което се случва
да бъде повече от 0, нали?

425
00:20:44,750 --> 00:20:48,610
>> И тогава, когато аз правя Katy Perry, на
вероятност за "бебе", дадени Katy е

426
00:20:48,610 --> 00:20:49,830
вече 0, нали?

427
00:20:49,830 --> 00:20:52,820
Защото няма "бебе"
в Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Така че след това става 0 и Gaga
победи, което означава, че Gaga е

429
00:20:56,360 --> 00:20:57,310
вероятно певицата.

430
00:20:57,310 --> 00:20:58,560
Това прави ли смисъл?

431
00:20:58,560 --> 00:21:00,700

432
00:21:00,700 --> 00:21:01,950
OK.

433
00:21:01,950 --> 00:21:04,160

434
00:21:04,160 --> 00:21:11,750
>> Така че, ако искате да направите това по-официално,
Всъщност мога да направя модел

435
00:21:11,750 --> 00:21:12,700
за няколко думи.

436
00:21:12,700 --> 00:21:14,610
Така че нека да кажа, че имам нещо
като, "бейби, аз съм

437
00:21:14,610 --> 00:21:16,030
на огъня ", или нещо такова.

438
00:21:16,030 --> 00:21:17,760
Така че има много думи.

439
00:21:17,760 --> 00:21:20,880
И в този случай, можете да видите
че "бебе" е в Gaga,

440
00:21:20,880 --> 00:21:21,710
но това не е в Katy.

441
00:21:21,710 --> 00:21:24,940
И "огън" е в Katy, но
това не е в Gaga, нали?

442
00:21:24,940 --> 00:21:27,200
Така че става все по-сложни, нали?

443
00:21:27,200 --> 00:21:31,440
Защото изглежда, че почти
има връзка между двете.

444
00:21:31,440 --> 00:21:36,980
>> Така че това, което трябва да направите е да се предположи,
независимост между думите.

445
00:21:36,980 --> 00:21:41,210
Така че в общи линии това, което означава, че е, че
Аз съм просто изчисление какъв е

446
00:21:41,210 --> 00:21:44,330
вероятност да видя "бебе", което е
вероятността за виждане "I", и

447
00:21:44,330 --> 00:21:46,670
"Съм", ​​и "на" и "огън"
всички поотделно.

448
00:21:46,670 --> 00:21:48,670
Тогава аз се умножи всички от тях.

449
00:21:48,670 --> 00:21:52,420
И аз виждам каква е вероятността
да видя цялата изречение.

450
00:21:52,420 --> 00:21:55,210
Направи ли смисъл?

451
00:21:55,210 --> 00:22:00,270
>> Така че основно, ако имам само една дума,
това, което искам да разбера е арг макс,

452
00:22:00,270 --> 00:22:05,385
което означава, че това е класът, че е
че ми даде най-високата вероятност?

453
00:22:05,385 --> 00:22:10,010
Така че това, което е класът, който се дава
ми най-голяма вероятност за

454
00:22:10,010 --> 00:22:11,940
вероятност от клас дадена дума.

455
00:22:11,940 --> 00:22:17,610
Така че в този случай, Gaga има предвид "бебе".
Или Katy дал "бебе". Направи ли смисъл?

456
00:22:17,610 --> 00:22:21,040
>> И само от Бейс, че
уравнение, което показах,

457
00:22:21,040 --> 00:22:24,780
ние създаваме тази фракция.

458
00:22:24,780 --> 00:22:28,750
Единственото нещо е, че виждате ли, че
вероятността от дума Предвид

459
00:22:28,750 --> 00:22:31,370
промени класа в зависимост
от класа, нали?

460
00:22:31,370 --> 00:22:34,260
Броят на "Baby" е, че имам
в Gaga е различно от Katy.

461
00:22:34,260 --> 00:22:37,640
Вероятността от класа също
промени, защото това е просто броя

462
00:22:37,640 --> 00:22:39,740
на песни всеки от тях има.

463
00:22:39,740 --> 00:22:43,980
>> Но вероятността на самата дума
ще бъде една и съща за всички

464
00:22:43,980 --> 00:22:44,740
художници, нали?

465
00:22:44,740 --> 00:22:47,150
Така вероятността за дума
просто, каква е вероятността от

466
00:22:47,150 --> 00:22:49,820
виждайки, че дума в
Английски език?

467
00:22:49,820 --> 00:22:51,420
Така че това е един и същ за всички от тях.

468
00:22:51,420 --> 00:22:55,790
Така че, тъй като това е постоянно, ние можем просто
пуснете това и не се грижи за него.

469
00:22:55,790 --> 00:23:00,230
Така че това ще бъде всъщност
уравнение, което търсим.

470
00:23:00,230 --> 00:23:03,360
>> И ако имате няколко думи, аз съм
все още продължава да има предварително

471
00:23:03,360 --> 00:23:04,610
вероятност тук.

472
00:23:04,610 --> 00:23:06,980
Единственото нещо е, че аз съм се умножи
вероятността

473
00:23:06,980 --> 00:23:08,490
всички други думи.

474
00:23:08,490 --> 00:23:10,110
Така че аз съм се умножи всички от тях.

475
00:23:10,110 --> 00:23:12,610
Направи ли смисъл?

476
00:23:12,610 --> 00:23:18,440
Изглежда странно, но в общи линии означава,
изчисли приор на класа, и

477
00:23:18,440 --> 00:23:22,100
след това се умножава по вероятността за всеки
на думите са в този клас.

478
00:23:22,100 --> 00:23:24,620

479
00:23:24,620 --> 00:23:29,150
>> И вие знаете, че вероятността от
Думата даден клас ще бъде на

480
00:23:29,150 --> 00:23:34,520
брой пъти, които виждате тази дума в
този клас, разделен на броя на

481
00:23:34,520 --> 00:23:37,020
думи, които имате в това
клас като цяло.

482
00:23:37,020 --> 00:23:37,990
Направи ли смисъл?

483
00:23:37,990 --> 00:23:41,680
Това е просто как "бебе" е над 2
на броя на думите, които

484
00:23:41,680 --> 00:23:43,020
Имах в текста.

485
00:23:43,020 --> 00:23:45,130
Така че просто честотата.

486
00:23:45,130 --> 00:23:46,260
>> Но има едно нещо.

487
00:23:46,260 --> 00:23:51,250
Помниш ли как се показва, че
вероятност на "Baby" са текстове на песни

488
00:23:51,250 --> 00:23:56,350
от Katy Perry е 0, само защото Katy
Пери не е имал "бебе" на всички?

489
00:23:56,350 --> 00:24:04,900
Но това звучи малко грубо просто да
просто да кажа, че текстовете не могат да бъдат от

490
00:24:04,900 --> 00:24:10,040
художник, само защото те не разполагат с
тази дума по-специално по всяко време.

491
00:24:10,040 --> 00:24:13,330
>> Така бихте могли просто да кажа, добре, ако
не разполагат с тази дума, аз отивам да

492
00:24:13,330 --> 00:24:15,640
да ви даде по-ниска вероятност,
но аз просто няма да

493
00:24:15,640 --> 00:24:17,420
ви дам 0 веднага.

494
00:24:17,420 --> 00:24:21,040
Защото може би това е нещо подобно,
"Огън, огън, пожар, пожар", което е

495
00:24:21,040 --> 00:24:21,990
напълно Katy Perry.

496
00:24:21,990 --> 00:24:26,060
И след това "бебе", и то само идва да
0 веднага, защото имаше една

497
00:24:26,060 --> 00:24:27,250
"Бебе".

498
00:24:27,250 --> 00:24:31,440
>> Така че основно това, което правим, е нещо,
наречен на Лаплас изглаждане.

499
00:24:31,440 --> 00:24:36,260
И това просто означава, че давам
някаква вероятност дори думите

500
00:24:36,260 --> 00:24:37,850
че не съществуват.

501
00:24:37,850 --> 00:24:43,170
Така че това, което правя, е, че когато съм
изчисляване на това, аз винаги добавяйте 1 до

502
00:24:43,170 --> 00:24:44,180
числителя.

503
00:24:44,180 --> 00:24:48,060
Така че, дори ако думата не съществува, в
този случай, ако това е 0, аз съм все още

504
00:24:48,060 --> 00:24:51,250
изчисляване на това като един над река
Общият брой на думите.

505
00:24:51,250 --> 00:24:55,060
В противен случай, да получа колко думи
Имам и аз се добавя 1.

506
00:24:55,060 --> 00:24:58,300
Така че аз съм се брои за двата случая.

507
00:24:58,300 --> 00:25:00,430
Направи ли смисъл?

508
00:25:00,430 --> 00:25:03,060
>> Така че сега нека да се направят някои кодиране.

509
00:25:03,060 --> 00:25:06,440
Ще трябва да го направим много бързо,
но това е просто важно да

510
00:25:06,440 --> 00:25:08,600
момчета разбират понятията.

511
00:25:08,600 --> 00:25:13,450
Така че това, което ние се опитваме да направим
е точно изпълнение на настоящото

512
00:25:13,450 --> 00:25:14,330
нещо, което току-що казах -

513
00:25:14,330 --> 00:25:19,110
Искам да се сложи текст от
Lady Gaga и Katy Perry.

514
00:25:19,110 --> 00:25:22,980
И програмата ще бъде в състояние да
казват, че ако тези нови текстове на песни са от Gaga

515
00:25:22,980 --> 00:25:24,170
или Katy Perry.

516
00:25:24,170 --> 00:25:25,800
Направи ли смисъл?

517
00:25:25,800 --> 00:25:27,530
OK.

518
00:25:27,530 --> 00:25:30,710
>> Така че аз имам тази програма ще
да се обадя classify.py.

519
00:25:30,710 --> 00:25:31,970
Така че това е Python.

520
00:25:31,970 --> 00:25:34,210
Това е нов език за програмиране.

521
00:25:34,210 --> 00:25:38,020
Той е много подобен на някои
начини за C и PHP.

522
00:25:38,020 --> 00:25:43,180
Той е подобен, защото, ако искате да
научат Python след знаейки, C, това е

523
00:25:43,180 --> 00:25:46,270
наистина не е много по-голямо предизвикателство
просто защото Python е много по-лесно

524
00:25:46,270 --> 00:25:47,520
от С, на първо място.

525
00:25:47,520 --> 00:25:49,370
И много от нещата вече са
изпълнява за вас.

526
00:25:49,370 --> 00:25:56,820
Така че просто как като PHP има функции, които
сортирате списък или добавите нещо

527
00:25:56,820 --> 00:25:58,780
към масив, или дрън, дрън, дрън.

528
00:25:58,780 --> 00:26:00,690
Python има всички тези, както добре.

529
00:26:00,690 --> 00:26:05,960
>> Така че аз съм просто ще обясни бързо
как бихме могли да направим за класирането

530
00:26:05,960 --> 00:26:07,860
проблем за тук.

531
00:26:07,860 --> 00:26:13,230
Така че нека да кажем, че в този случай, аз имам
Текстове от Gaga и Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Начинът, по който аз имам тези текстове е, че
първата дума от текста е

533
00:26:21,880 --> 00:26:25,250
името на художника, и
останалото е текста.

534
00:26:25,250 --> 00:26:29,470
Така че нека да кажа, че имам този списък в
които първата е по текст на Gaga.

535
00:26:29,470 --> 00:26:31,930
Така че тук съм на прав път.

536
00:26:31,930 --> 00:26:35,270
И следващият е Katy, и
но има също така текста.

537
00:26:35,270 --> 00:26:38,040
>> Така че това е начина, Вие декларирате,
променлива в Python.

538
00:26:38,040 --> 00:26:40,200
Не е нужно да се даде на типа данни.

539
00:26:40,200 --> 00:26:43,150
Вие просто напишете "текстове",
Нещо като в PHP.

540
00:26:43,150 --> 00:26:44,890
Направи ли смисъл?

541
00:26:44,890 --> 00:26:47,770
>> Така че какви са нещата, които трябва да
изчисляване, за да може да се изчисли

542
00:26:47,770 --> 00:26:49,360
вероятности?

543
00:26:49,360 --> 00:26:55,110
Трябва да се изчислят "Приорите"
на всеки от различните

544
00:26:55,110 --> 00:26:56,710
класове, които имам.

545
00:26:56,710 --> 00:27:06,680
Трябва да се изчислят "премоларите"
или почти вероятностите

546
00:27:06,680 --> 00:27:12,150
всеки от различните думи, които
I може да има за всеки творец.

547
00:27:12,150 --> 00:27:17,210
Така в рамките на Gaga, например, аз ще
да има списък на колко пъти виждам

548
00:27:17,210 --> 00:27:19,250
всяка от думите.

549
00:27:19,250 --> 00:27:20,760
Направи ли смисъл?

550
00:27:20,760 --> 00:27:25,370
>> И накрая, аз съм просто ще има
списък, наречен "думи", че е просто ще

551
00:27:25,370 --> 00:27:29,780
да има колко думи съм
да има за всеки творец.

552
00:27:29,780 --> 00:27:33,760
Така че за Gaga, например, когато погледна
до текстовете, бях, мисля, 24

553
00:27:33,760 --> 00:27:34,750
думи общо.

554
00:27:34,750 --> 00:27:38,970
Така че този списък е просто ще има
Gaga 24, и Katy друг номер.

555
00:27:38,970 --> 00:27:40,130
Направи ли смисъл?

556
00:27:40,130 --> 00:27:40,560
OK.

557
00:27:40,560 --> 00:27:42,530
>> Така че сега, всъщност, нека да
отидете на кодирането.

558
00:27:42,530 --> 00:27:45,270
Така че в Python, всъщност можете да
върне един куп различни

559
00:27:45,270 --> 00:27:46,630
неща от една функция.

560
00:27:46,630 --> 00:27:50,810
Така че аз отивам да се създаде тази функция
наречената "условна", която ще

561
00:27:50,810 --> 00:27:53,890
да се върнат всички тези неща, за
"присъди" на "вероятностите", а

562
00:27:53,890 --> 00:28:05,690
"думи." Така "условна", и това е
ще се обади в "текстове."

563
00:28:05,690 --> 00:28:11,510
>> Така че сега искам да всъщност
напиша тази функция.

564
00:28:11,510 --> 00:28:17,750
Така че начинът, по който мога да напиша това
функция е просто определя този,

565
00:28:17,750 --> 00:28:20,620
функционира с "Def." Така че го направих "Def
условно, "и то се бави

566
00:28:20,620 --> 00:28:28,700
"Текстове." И какво ще направи
е, на първо място, аз имам моите предишни провинения

567
00:28:28,700 --> 00:28:31,030
че аз искам да се изчисли.

568
00:28:31,030 --> 00:28:34,330
>> Така че начинът, по който мога да го направя, е да създадете
речник в Python, която

569
00:28:34,330 --> 00:28:37,320
е почти едно и също нещо като хеш
маса, или това е като един повтарящ

570
00:28:37,320 --> 00:28:40,480
масив в PHP.

571
00:28:40,480 --> 00:28:44,150
Това е как аз декларирам речник.

572
00:28:44,150 --> 00:28:53,580
И в общи линии какво означава това е, че
присъди на Gaga е 0.5, например, ако

573
00:28:53,580 --> 00:28:57,200
50% от текстовете са от
Gaga, 50% са от Katy.

574
00:28:57,200 --> 00:28:58,450
Направи ли смисъл?

575
00:28:58,450 --> 00:29:00,680

576
00:29:00,680 --> 00:29:03,680
Така че аз трябва да разбера как
за изчисляване на Приорите.

577
00:29:03,680 --> 00:29:07,120
>> Следващите тези, които трябва да направя, също така,
са вероятностите и думите.

578
00:29:07,120 --> 00:29:17,100
Така че вероятностите за Gaga списъка
на всички вероятности, че аз

579
00:29:17,100 --> 00:29:19,160
имат за всяка от думите за Gaga.

580
00:29:19,160 --> 00:29:23,880
Така че, ако отида да вероятности на Gaga
"Бебе", например, тя ще ми даде

581
00:29:23,880 --> 00:29:28,750
нещо като две над 24 в този случай.

582
00:29:28,750 --> 00:29:30,070
Направи ли смисъл?

583
00:29:30,070 --> 00:29:36,120
Така че аз отивам да "вероятностите", отидете на
"Gaga" кофа, че има списък на всички

584
00:29:36,120 --> 00:29:40,550
думите Гага, тогава отидете на "бебе"
и виждам вероятността.

585
00:29:40,550 --> 00:29:45,940
>> И най-накрая имам тази
"Думите" речник.

586
00:29:45,940 --> 00:29:53,620
Така че тук, "вероятности." И след това
"думи." Така че, ако го направя "думи", "Гага"

587
00:29:53,620 --> 00:29:58,330
какво ще се случи, е, че тя е
ще ми даде 24, като каза, че аз

588
00:29:58,330 --> 00:30:01,990
има 24 думи в рамките на текстове от Gaga.

589
00:30:01,990 --> 00:30:04,110
Има смисъл?

590
00:30:04,110 --> 00:30:07,070
Така че тук, "думи" е равно на дрън-дрън-дрън.

591
00:30:07,070 --> 00:30:07,620
Добре

592
00:30:07,620 --> 00:30:12,210
>> Така че това, което аз ще направя, е, че ще
обхождане на всеки един от текстовете, така че

593
00:30:12,210 --> 00:30:14,490
всяка от струните, че
Имам в списъка.

594
00:30:14,490 --> 00:30:18,040
И аз отивам да се изчисли тези неща
за всеки от кандидатите.

595
00:30:18,040 --> 00:30:19,950
Има смисъл?

596
00:30:19,950 --> 00:30:21,700
Така че аз трябва да направя, за линия.

597
00:30:21,700 --> 00:30:26,300
>> Така че в Python, което мога да направя е "за линия
в текста. "Същото нещо като

598
00:30:26,300 --> 00:30:28,000
"За всеки" изявление в PHP.

599
00:30:28,000 --> 00:30:33,420
Помниш ли как, ако тя беше PHP можех
казват "за всеки текст като

600
00:30:33,420 --> 00:30:35,220
линия. "Има смисъл?

601
00:30:35,220 --> 00:30:38,900
Така че аз съм като всяка от линиите, в това
случай, този низ и следващата

602
00:30:38,900 --> 00:30:44,540
низ, така че за всяка от линиите, което аз съм
ще направя, е на първо място, аз ще

603
00:30:44,540 --> 00:30:49,150
разделим тази линия в списък на
думи, разделени с интервали.

604
00:30:49,150 --> 00:30:53,730
>> Така че готино нещо за Python е, че
бихте могли просто Google като "Как мога да

605
00:30:53,730 --> 00:30:58,220
Разделя низ думи? "И това е
Щях да ти кажа как да го направя.

606
00:30:58,220 --> 00:31:04,890
И начина, по който да го направи, това е просто "линия
= Line.split () "и това е основно

607
00:31:04,890 --> 00:31:08,640
ще ви даде списък с
всяка от думите тук.

608
00:31:08,640 --> 00:31:09,620
Има смисъл?

609
00:31:09,620 --> 00:31:15,870
Така че сега, че съм направил, че аз искам да знам
който е вокалист на тази песен.

610
00:31:15,870 --> 00:31:20,130
И за да направя, че аз просто трябва да получи
първият елемент на масива, нали?

611
00:31:20,130 --> 00:31:26,390
Така че мога само да кажа, че "певец
= Линия (0) "Има смисъл?

612
00:31:26,390 --> 00:31:32,010
>> И след това какво трябва да направите, е, на първо място
всички, аз отивам да се актуализира колко

613
00:31:32,010 --> 00:31:36,130
думи, които имат под "Gaga." така че аз съм просто
ще изчисли колко думи съм

614
00:31:36,130 --> 00:31:38,690
има в този списък, нали?

615
00:31:38,690 --> 00:31:41,910
Тъй като това е колко думи имам
в текста, а аз съм просто ще

616
00:31:41,910 --> 00:31:44,120
го добавите към "Gaga" масива.

617
00:31:44,120 --> 00:31:47,090
Това прави ли смисъл?

618
00:31:47,090 --> 00:31:49,010
Да не се фокусира твърде много върху синтаксиса.

619
00:31:49,010 --> 00:31:50,430
Мислете повече за понятията.

620
00:31:50,430 --> 00:31:52,400
Това е най-важната част.

621
00:31:52,400 --> 00:31:52,720
OK.

622
00:31:52,720 --> 00:32:00,260
>> Така че това, което аз мога да го направя е, ако "Gaga" е
които вече са в този списък, така че "ако певица в

623
00:32:00,260 --> 00:32:03,190
думи ", което означава, че вече
има думи от Gaga.

624
00:32:03,190 --> 00:32:06,640
Аз просто искам да се добавят допълнителни
думи за това.

625
00:32:06,640 --> 00:32:15,810
Така че това, което правя, е "думи (певица)
+ = Len (линия) - 1 ".

626
00:32:15,810 --> 00:32:18,250
И тогава аз може просто да направи
дължина на линията.

627
00:32:18,250 --> 00:32:21,860
Е, как много елементи I
има в масива.

628
00:32:21,860 --> 00:32:27,060
И аз трябва да направя минус 1, само защото
първия елемент на масива е просто

629
00:32:27,060 --> 00:32:29,180
певица и тези, които не са текстове.

630
00:32:29,180 --> 00:32:31,420
Има смисъл?

631
00:32:31,420 --> 00:32:32,780
OK.

632
00:32:32,780 --> 00:32:35,820
>> "Else", това означава, че аз искам да всъщност
вмъкнете Gaga в списъка.

633
00:32:35,820 --> 00:32:45,990
Така че аз просто правя "думи (певица)
= Len (линия) - 1, "Съжалявам.

634
00:32:45,990 --> 00:32:49,200
Така че единствената разлика между двете
линии е, че това, че не

635
00:32:49,200 --> 00:32:51,080
съществува все още, така че аз съм просто
инициализиране.

636
00:32:51,080 --> 00:32:53,820
Това едно аз съм действително добавяне.

637
00:32:53,820 --> 00:32:55,570
OK.

638
00:32:55,570 --> 00:32:59,480
Така че това е добавянето на думите.

639
00:32:59,480 --> 00:33:03,040
>> Сега искам да добавя към Приорите.

640
00:33:03,040 --> 00:33:05,480
И така, как мога да се изчисли Приорите?

641
00:33:05,480 --> 00:33:11,580
На Приорите могат да бъдат изчислени
по колко пъти.

642
00:33:11,580 --> 00:33:15,340
Така че колко пъти те видя, че певицата
сред всички на певците, че вие,

643
00:33:15,340 --> 00:33:16,380
има, нали?

644
00:33:16,380 --> 00:33:18,810
Така че за Gaga и Katy Perry,
В този случай, аз виждам Gaga

645
00:33:18,810 --> 00:33:20,570
веднъж, Katy Perry веднъж.

646
00:33:20,570 --> 00:33:23,320
>> Така че основно на Приорите за Gaga
и за Katy Perry ще

647
00:33:23,320 --> 00:33:24,390
да бъде само една, нали?

648
00:33:24,390 --> 00:33:26,500
Ти просто колко пъти
Виждам художника.

649
00:33:26,500 --> 00:33:28,740
Така че това е много лесно да се изчисли.

650
00:33:28,740 --> 00:33:34,100
Не мога просто нещо подобно като като "ако
певица в предишни провинения, "Аз съм просто ще

651
00:33:34,100 --> 00:33:38,970
да се добави едно да си кутия присъди.

652
00:33:38,970 --> 00:33:51,000
Така че, "присъди (пее)" + = 1 "и след това" друго "
Отивам да направя "присъди (певица)

653
00:33:51,000 --> 00:33:55,000
= 1. "Има смисъл?

654
00:33:55,000 --> 00:34:00,080
>> Така че, ако тя не съществува Пуснах
като един, в противен случай аз просто добавете 1.

655
00:34:00,080 --> 00:34:11,280
ОК, така че сега всичко, което остава да се направи
е също така да добавите всеки един от думи към

656
00:34:11,280 --> 00:34:12,290
вероятности.

657
00:34:12,290 --> 00:34:14,889
Така че аз трябва да брои колко пъти
Виждам всяка от думите.

658
00:34:14,889 --> 00:34:18,780
Така че аз просто трябва да се направи друг
за линия в линията.

659
00:34:18,780 --> 00:34:25,190
>> Така че първото нещо, което ще направя, е
проверите дали певицата вече има

660
00:34:25,190 --> 00:34:26,969
вероятности масив.

661
00:34:26,969 --> 00:34:31,739
Така че аз съм проверка, ако певицата не
има вероятности масив, аз съм просто

662
00:34:31,739 --> 00:34:34,480
ще се инициализира един за тях.

663
00:34:34,480 --> 00:34:36,400
Тя дори не е масив, съжалявам,
това е речник.

664
00:34:36,400 --> 00:34:43,080
Така че вероятностите за певица ще
да бъде отворена речник, така че аз съм

665
00:34:43,080 --> 00:34:45,830
просто инициализиране на речник за него.

666
00:34:45,830 --> 00:34:46,820
OK?

667
00:34:46,820 --> 00:34:58,330
>> И сега може да се прави за линия
за изчисляване на всяка от думите "

668
00:34:58,330 --> 00:35:00,604
вероятности.

669
00:35:00,604 --> 00:35:01,540
OK.

670
00:35:01,540 --> 00:35:04,160
Така че, това, което мога да направя е за линия.

671
00:35:04,160 --> 00:35:06,590
Така че аз съм просто ще обхождане
над масива.

672
00:35:06,590 --> 00:35:15,320
Така че начинът, по който мога да направя, че в Python
е "Защото в обхват." От 1

673
00:35:15,320 --> 00:35:19,200
защото аз искам да започне през втората
елемент, тъй като първият от тях е

674
00:35:19,200 --> 00:35:20,260
име певица.

675
00:35:20,260 --> 00:35:24,990
Така че от една до
дължина на линията.

676
00:35:24,990 --> 00:35:29,760
И когато го направя варира всъщност премине от
като тук от 1 до дъл на

677
00:35:29,760 --> 00:35:30,740
Онлайн минус 1.

678
00:35:30,740 --> 00:35:33,810
Така че това вече прави това нещо за правене
п минус 1 за масиви, които е много

679
00:35:33,810 --> 00:35:35,500
удобно.

680
00:35:35,500 --> 00:35:37,850
Има смисъл?

681
00:35:37,850 --> 00:35:42,770
>> Така че за всеки един от тях, това, което аз отивам да
направите, е, точно като в другия,

682
00:35:42,770 --> 00:35:50,320
Отивам да проверя дали думата в този
позиция в линията е вече в

683
00:35:50,320 --> 00:35:51,570
вероятности.

684
00:35:51,570 --> 00:35:53,400

685
00:35:53,400 --> 00:35:57,260
И тогава, както казах тук, вероятности
думи, както в I, пуснати

686
00:35:57,260 --> 00:35:58,400
"вероятности (певица)".

687
00:35:58,400 --> 00:35:59,390
Така че името на певицата.

688
00:35:59,390 --> 00:36:03,450
Така че, ако това е вече в
"Probabilit (певица)", това означава, че аз

689
00:36:03,450 --> 00:36:11,960
искате да добавите 1 към него, така че аз отивам да
направи "вероятности (певица)", както и на

690
00:36:11,960 --> 00:36:14,100
дума се нарича "линия (и)".

691
00:36:14,100 --> 00:36:22,630
Отивам да добавите 1 и "друго" Аз съм просто
ще го инициализира към 1.

692
00:36:22,630 --> 00:36:23,880
"Линия (и)".

693
00:36:23,880 --> 00:36:26,920

694
00:36:26,920 --> 00:36:28,420
Има смисъл?

695
00:36:28,420 --> 00:36:30,180
>> Така че, аз изчислява всички масиви.

696
00:36:30,180 --> 00:36:36,580
Така че, сега всичко, което трябва да направите, за
това е просто едно "завръщане присъди,

697
00:36:36,580 --> 00:36:43,230
вероятности и думи. "Да
виж, ако има такива, OK.

698
00:36:43,230 --> 00:36:45,690
Изглежда всичко работи досега.

699
00:36:45,690 --> 00:36:46,900
Така, че има смисъл?

700
00:36:46,900 --> 00:36:47,750
По някакъв начин?

701
00:36:47,750 --> 00:36:49,280
OK.

702
00:36:49,280 --> 00:36:51,980
Така че сега имам всички вероятности.

703
00:36:51,980 --> 00:36:55,100
Така че сега единственото нещо, което ми е останало
е просто да има, че нещо, което

704
00:36:55,100 --> 00:36:58,650
изчислява произведението на всички
вероятности, когато получа текстовете.

705
00:36:58,650 --> 00:37:06,270
>> Така че нека да кажем, че искам да се обадя
тази функция "класифициране ()" и

706
00:37:06,270 --> 00:37:08,880
нещо, което функция може да отнеме
е само един аргумент.

707
00:37:08,880 --> 00:37:13,170
Да речем, "Скъпа, аз съм на огън" и това е
Ще разбера какво е

708
00:37:13,170 --> 00:37:14,490
вероятност, че това е Gaga?

709
00:37:14,490 --> 00:37:16,405
Каква е вероятността
че това е Кейти?

710
00:37:16,405 --> 00:37:19,690
Звучи добре?

711
00:37:19,690 --> 00:37:25,750
Така че аз съм просто ще трябва да се създаде
нова функция, наречена "класифициране ()" и

712
00:37:25,750 --> 00:37:29,180
това ще отнеме известно
текстове на песни, както добре.

713
00:37:29,180 --> 00:37:31,790

714
00:37:31,790 --> 00:37:36,160
И освен текстовете също така
Трябва да изпратите Приорите г.

715
00:37:36,160 --> 00:37:37,700
вероятности и думите.

716
00:37:37,700 --> 00:37:44,000
Така че аз отивам да изпрати текстове на песни, присъди,
вероятности, думи.

717
00:37:44,000 --> 00:37:51,840
>> Така че това е като текстове на песни, присъди,
вероятности, думи.

718
00:37:51,840 --> 00:37:53,530
Така че, какво прави той?

719
00:37:53,530 --> 00:37:57,180
По същество това ще мине през всички
възможните кандидати че сте

720
00:37:57,180 --> 00:37:58,510
имат като певица.

721
00:37:58,510 --> 00:37:59,425
И къде са тези кандидати?

722
00:37:59,425 --> 00:38:01,020
Те са в Приорите, нали?

723
00:38:01,020 --> 00:38:02,710
Така че аз имам всички онези там.

724
00:38:02,710 --> 00:38:07,870
Така че аз отивам да има речник
на всички възможни кандидати.

725
00:38:07,870 --> 00:38:14,220
И тогава за всеки един кандидат в
предишни провинения, така че това означава, че тя ще

726
00:38:14,220 --> 00:38:17,740
бъде Gaga, Кати, ако имах
повече, че ще бъде повече.

727
00:38:17,740 --> 00:38:20,410
Отивам да започне изчисляването
тази вероятност.

728
00:38:20,410 --> 00:38:28,310
Вероятността както видяхме в
PowerPoint е предишните времена

729
00:38:28,310 --> 00:38:30,800
продукт на всеки от
други вероятности.

730
00:38:30,800 --> 00:38:32,520
>> Така че мога да направя същото тук.

731
00:38:32,520 --> 00:38:36,330
Мога само да правя вероятност е
първоначално само Приор.

732
00:38:36,330 --> 00:38:40,340
Така присъди на кандидата.

733
00:38:40,340 --> 00:38:40,870
Нали така?

734
00:38:40,870 --> 00:38:45,360
И сега аз трябва да обхождане на всички
думи, които имам в текста, за да бъде

735
00:38:45,360 --> 00:38:48,820
можете да добавите вероятността
за всеки от тях, нали?

736
00:38:48,820 --> 00:38:57,900
Така че, "за дума в текст" какво ще
да направите, е, ако думата е в

737
00:38:57,900 --> 00:39:01,640
"вероятности (кандидат)", които
означава, че това е дума, която на

738
00:39:01,640 --> 00:39:03,640
кандидат има в текстовете си -

739
00:39:03,640 --> 00:39:05,940
например, "бебе" за Gaga -

740
00:39:05,940 --> 00:39:11,710
това, което аз ще направя, е, че
вероятност ще се умножава

741
00:39:11,710 --> 00:39:22,420
от 1 плюс вероятностите на
кандидата за тази дума.

742
00:39:22,420 --> 00:39:25,710
И тя се нарича "дума".

743
00:39:25,710 --> 00:39:32,440
Това, разделен на броя на думи
че имам за този кандидат.

744
00:39:32,440 --> 00:39:37,450
Общият брой на думите, че имам
за певицата, че гледам.

745
00:39:37,450 --> 00:39:40,290
>> "Else." това означава, че това е нова дума
така, че ще бъде като например

746
00:39:40,290 --> 00:39:41,860
"Огън" за Lady Gaga.

747
00:39:41,860 --> 00:39:45,760
Така че аз просто искам да направя едно над
"Дума (кандидат)".

748
00:39:45,760 --> 00:39:47,710
Така че аз не искам да се сложи този термин тук.

749
00:39:47,710 --> 00:39:50,010
>> Така че това ще бъде основно
копиране и поставяне на това.

750
00:39:50,010 --> 00:39:54,380

751
00:39:54,380 --> 00:39:56,000
Но аз отивам да изтриете тази част.

752
00:39:56,000 --> 00:39:57,610
Така че това е просто ще бъде един над това.

753
00:39:57,610 --> 00:40:00,900

754
00:40:00,900 --> 00:40:02,150
Звучи добре?

755
00:40:02,150 --> 00:40:03,980

756
00:40:03,980 --> 00:40:09,700
И сега в крайна сметка, аз съм просто ще
печат на името на кандидата и

757
00:40:09,700 --> 00:40:15,750
вероятността, че имате на
имащ S на своите текстове.

758
00:40:15,750 --> 00:40:16,200
Има смисъл?

759
00:40:16,200 --> 00:40:18,390
И аз всъщност дори не
се нуждаят от този речник.

760
00:40:18,390 --> 00:40:19,510
Има смисъл?

761
00:40:19,510 --> 00:40:21,810
>> Така че, нека да видим дали това наистина работи.

762
00:40:21,810 --> 00:40:24,880
Така че, ако аз тичам това, той не работи.

763
00:40:24,880 --> 00:40:26,130
Изчакайте една секунда.

764
00:40:26,130 --> 00:40:28,870

765
00:40:28,870 --> 00:40:31,720
"Думи (кандидат)", "думи (кандидат)",
това е

766
00:40:31,720 --> 00:40:33,750
на името на масива.

767
00:40:33,750 --> 00:40:41,435
ОК, така, той казва, че има някакъв бъг
за кандидат в предишни провинения.

768
00:40:41,435 --> 00:40:46,300

769
00:40:46,300 --> 00:40:48,760
Нека само да се успокоиш малко.

770
00:40:48,760 --> 00:40:50,360
OK.

771
00:40:50,360 --> 00:40:51,305
Нека се опитаме.

772
00:40:51,305 --> 00:40:51,720
OK.

773
00:40:51,720 --> 00:40:58,710
>> Така той дава Katy Perry има тази
Вероятността това да се пъти 10 към

774
00:40:58,710 --> 00:41:02,200
минус 7 и Gaga има тази
10 пъти на минус 6.

775
00:41:02,200 --> 00:41:05,610
Така че виждате това показва, че Gaga
има по-голяма вероятност.

776
00:41:05,610 --> 00:41:09,260
Така че, "Скъпа, аз съм на Fire" е
Вероятно една песен Gaga.

777
00:41:09,260 --> 00:41:10,580
Има смисъл?

778
00:41:10,580 --> 00:41:12,030
Така че това е, което ние направихме.

779
00:41:12,030 --> 00:41:16,010
>> Този код ще бъде публикуван онлайн,
така че вие ​​може да го проверим.

780
00:41:16,010 --> 00:41:20,720
Може да използвате някои от тях, ако искате да
направи проект или нещо подобно.

781
00:41:20,720 --> 00:41:22,150
OK.

782
00:41:22,150 --> 00:41:25,930
Това е само за да се покаже
какво изчислителна

783
00:41:25,930 --> 00:41:27,230
лингвистика код изглежда.

784
00:41:27,230 --> 00:41:33,040
Но сега да вървим към по-
високо ниво неща.

785
00:41:33,040 --> 00:41:33,340
OK.

786
00:41:33,340 --> 00:41:35,150
>> Така че другите проблеми I
Говорех за -

787
00:41:35,150 --> 00:41:37,550
Проблемът за сегментиране
е първият от тях.

788
00:41:37,550 --> 00:41:40,820
Така че имате тук японски.

789
00:41:40,820 --> 00:41:43,420
И тогава ще видите, че
няма интервали.

790
00:41:43,420 --> 00:41:49,110
Така че това е в общи линии означава, че е
горната част на стола, нали?

791
00:41:49,110 --> 00:41:50,550
Вие говорите японски?

792
00:41:50,550 --> 00:41:52,840
Това е най-горната част на стола, нали?

793
00:41:52,840 --> 00:41:54,480
>> STUDENT: Аз не знам какво
канджи там е.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS FREITAS: Това е [ГОВОРЕНЕ ЯПОНСКИ]

795
00:41:57,010 --> 00:41:57,950
OK.

796
00:41:57,950 --> 00:42:00,960
Така че в общи линии означава, председател на върха.

797
00:42:00,960 --> 00:42:03,620
Така че, ако трябваше да се сложи пространство
че ще бъде тук.

798
00:42:03,620 --> 00:42:05,970
И тогава ще трябва [? Уеда-сан. ?]

799
00:42:05,970 --> 00:42:09,040
Което по същество означава, г-н Уеда.

800
00:42:09,040 --> 00:42:13,180
И вие виждате, че "Уеда" и имате
пространство и след това "сан." Така че виждате, че

801
00:42:13,180 --> 00:42:15,470
тук "ЕС" е като от само себе си.

802
00:42:15,470 --> 00:42:17,750
И тук той има характер
в непосредствена близост до него.

803
00:42:17,750 --> 00:42:21,720
>> Така че това не е като на тези езици
символи, което означава една дума това, така че

804
00:42:21,720 --> 00:42:23,980
Просто постави много пространства.

805
00:42:23,980 --> 00:42:25,500
Знаците са свързани помежду си.

806
00:42:25,500 --> 00:42:28,680
И те могат да бъдат заедно
като две, три, едно.

807
00:42:28,680 --> 00:42:34,520
Така че всъщност трябва да се създаде някакъв вид
от пътя на въвеждане на тези пространства.

808
00:42:34,520 --> 00:42:38,850
>> И това нещо е, че всеки път, когато получите
данни от тези азиатски езици,

809
00:42:38,850 --> 00:42:40,580
всичко идва Несегментиран.

810
00:42:40,580 --> 00:42:45,940
Защото никой, който пише японски
или китайски пише с интервали.

811
00:42:45,940 --> 00:42:48,200
Всеки път, когато пишеш китайски,
Японски просто напишете всичко

812
00:42:48,200 --> 00:42:48,710
без интервали.

813
00:42:48,710 --> 00:42:52,060
Той дори няма смисъл
да се сложи пространства.

814
00:42:52,060 --> 00:42:57,960
Така че след това, когато можете да получите данни от някои
East Asian език, ако искате да

815
00:42:57,960 --> 00:43:00,760
всъщност направи нещо с тази
, което трябва да сегмент първи.

816
00:43:00,760 --> 00:43:05,130
>> Мислете за това по примера на
текста без интервали.

817
00:43:05,130 --> 00:43:07,950
Така че само текстовете, които имате
ще бъде изречения, нали?

818
00:43:07,950 --> 00:43:09,470
, Разделени с точки.

819
00:43:09,470 --> 00:43:13,930
Но след това като просто изречение ще
не наистина да помогне за даване на информация

820
00:43:13,930 --> 00:43:17,760
на които тези текстове на песни са от.

821
00:43:17,760 --> 00:43:18,120
Нали така?

822
00:43:18,120 --> 00:43:20,010
Затова трябва да се поставя пространства първи.

823
00:43:20,010 --> 00:43:21,990
Така че как може да стане това?

824
00:43:21,990 --> 00:43:24,920
>> Така че след това идва и идеята на един език
модел, който е нещо наистина

825
00:43:24,920 --> 00:43:26,870
важно за изчислителна
лингвистика.

826
00:43:26,870 --> 00:43:32,790
Така че един модел език е в основата на
таблица на вероятностите, която показва

827
00:43:32,790 --> 00:43:36,260
На първо място това е вероятността
да има думата по език?

828
00:43:36,260 --> 00:43:39,590
Така показва как често една дума е.

829
00:43:39,590 --> 00:43:43,130
И тогава също показва връзката
между думите в изречение.

830
00:43:43,130 --> 00:43:51,500
>> Така че основната идея е, че ако чужденец дойде
за вас и каза едно изречение, за да

831
00:43:51,500 --> 00:43:55,600
вас, каква е вероятността, че за
Например, "това е моята сестра [? GTF"?]

832
00:43:55,600 --> 00:43:57,480
е изречението, че лицето, каза?

833
00:43:57,480 --> 00:44:00,380
Така че очевидно някои изречения са
по-често от други.

834
00:44:00,380 --> 00:44:04,450
Например, "добро утро" или "добър
нощ ", или" ей там ", е много по-

835
00:44:04,450 --> 00:44:08,260
често, отколкото повечето присъди
че имаме английски език.

836
00:44:08,260 --> 00:44:11,060
Така че, защо са тези изречения
по-често?

837
00:44:11,060 --> 00:44:14,060
>> На първо място, това е, защото имате
думи, които са по-често.

838
00:44:14,060 --> 00:44:20,180
Така, например, ако ти кажа, кучето е
голям, а кучето е гигантски, вие

839
00:44:20,180 --> 00:44:23,880
обикновено вероятно чуя кучето е голям
по-често, тъй като "голям" е по-

840
00:44:23,880 --> 00:44:27,260
често на английски език от "гигантски".
Така че, един от

841
00:44:27,260 --> 00:44:30,100
неща е думата честота.

842
00:44:30,100 --> 00:44:34,490
>> Второто нещо, което е наистина
важно е само

843
00:44:34,490 --> 00:44:35,490
ред на думите.

844
00:44:35,490 --> 00:44:39,500
Така че, това е обичайно да се каже "котката е
вътре в кутията. ", но обикновено не ги

845
00:44:39,500 --> 00:44:44,250
виж в "Кутията вътре е котката." така
ще видите, че има известно значение

846
00:44:44,250 --> 00:44:46,030
в реда на думите.

847
00:44:46,030 --> 00:44:50,160
Не може просто да се каже, че тези две
изречения имат еднаква вероятност

848
00:44:50,160 --> 00:44:53,010
просто защото те имат едни и същи думи.

849
00:44:53,010 --> 00:44:55,550
Вие всъщност трябва да се грижим
за цел, както добре.

850
00:44:55,550 --> 00:44:57,650
Направи ли смисъл?

851
00:44:57,650 --> 00:44:59,490
>> И така, какво ще правим?

852
00:44:59,490 --> 00:45:01,550
Така че това, което може да се опита да ви донеса?

853
00:45:01,550 --> 00:45:04,400
Опитвам се да те накарам това, което ние
наричаме моделите N-гр.

854
00:45:04,400 --> 00:45:09,095
Така N-гр модели основно поемат
че за всяка дума, че

855
00:45:09,095 --> 00:45:10,960
Имате ли в едно изречение.

856
00:45:10,960 --> 00:45:15,020
Това е вероятността, че като
Думата има, зависи не само от

857
00:45:15,020 --> 00:45:18,395
честота на тази дума в езика,
но също така и върху думите, които

858
00:45:18,395 --> 00:45:19,860
са около него.

859
00:45:19,860 --> 00:45:25,810
>> Така например, обикновено, когато видите
нещо подобно на или сте

860
00:45:25,810 --> 00:45:28,040
вероятно ще видим
съществително след това, нали?

861
00:45:28,040 --> 00:45:31,750
Защото, когато имате предлог
обикновено отнема съществително след това.

862
00:45:31,750 --> 00:45:35,540
Или ако имате глагол, който е преходен
Вие обикновено ще

863
00:45:35,540 --> 00:45:36,630
има съществително фраза.

864
00:45:36,630 --> 00:45:38,780
Така че ще трябва съществително
някъде около него.

865
00:45:38,780 --> 00:45:44,950
>> Така че, общо взето, това, което той прави, е, че
счита, че вероятността за

866
00:45:44,950 --> 00:45:47,960
думи един до друг, когато
сте изчисляване на

867
00:45:47,960 --> 00:45:49,050
вероятност от едно изречение.

868
00:45:49,050 --> 00:45:50,960
И това е, което език
модел е в общи линии.

869
00:45:50,960 --> 00:45:54,620
Просто казвам, че това, което е вероятността
на със специфична

870
00:45:54,620 --> 00:45:57,120
изречение на език?

871
00:45:57,120 --> 00:45:59,110
Така че, защо е толкова полезна, основно?

872
00:45:59,110 --> 00:46:02,390
И на първо място това е
модел на н-грама, а след това?

873
00:46:02,390 --> 00:46:08,850
>> Така модел п-грам означава, че
всяка дума зависи от

874
00:46:08,850 --> 00:46:12,700
Следващата N минус 1 думи.

875
00:46:12,700 --> 00:46:18,150
Така че, общо взето, това означава, че ако аз гледам,
например, в CS50 TF когато

876
00:46:18,150 --> 00:46:21,500
Аз съм изчисляване на вероятността от
изречението, ще бъде като "на

877
00:46:21,500 --> 00:46:25,280
вероятност да има думата "на"
пъти вероятността за "на

878
00:46:25,280 --> 00:46:31,720
CS50 "пъти вероятността за
"TF на CS50." Така че, общо взето, аз разчитам

879
00:46:31,720 --> 00:46:35,720
всички възможни начини за разтягане.

880
00:46:35,720 --> 00:46:41,870
>> И тогава обикновено, когато правиш това,
като в рамките на проекта, ще ви постави N да бъде

881
00:46:41,870 --> 00:46:42,600
ниска стойност.

882
00:46:42,600 --> 00:46:45,930
Така че, обикновено имат bigrams или триграми.

883
00:46:45,930 --> 00:46:51,090
Така че просто брои две думи,
група от две думи, или три думи,

884
00:46:51,090 --> 00:46:52,620
само за проблеми с производителността.

885
00:46:52,620 --> 00:46:56,395
И също така, защото може би ако имате
нещо като "TF The CS50." Когато

886
00:46:56,395 --> 00:47:00,510
има "TF", че е много важно, че
"CS50" е в непосредствена близост до него, нали?

887
00:47:00,510 --> 00:47:04,050
Тези две неща обикновено са
един до друг.

888
00:47:04,050 --> 00:47:06,410
>> Ако мислите, че на "TF", това е може би
ще има какво

889
00:47:06,410 --> 00:47:07,890
клас това е TF'ing за.

890
00:47:07,890 --> 00:47:11,330
Също така "най" е наистина важно
за CS50 TF.

891
00:47:11,330 --> 00:47:14,570
Но ако имате нещо като "The CS50
TF отиде в клас и даде им

892
00:47:14,570 --> 00:47:20,060
студенти, някои бонбони. "" Candy "и" "
нямат връзка наистина, нали?

893
00:47:20,060 --> 00:47:23,670
Те са толкова отдалечени един от друг, че
това всъщност няма значение какво

894
00:47:23,670 --> 00:47:25,050
думи, които имате.

895
00:47:25,050 --> 00:47:31,210
>> Така че, като направите едно bigram или Trigram, тя
просто означава, че сте ограничаване

896
00:47:31,210 --> 00:47:33,430
себе си някои думи
които са около.

897
00:47:33,430 --> 00:47:35,810
Направи ли смисъл?

898
00:47:35,810 --> 00:47:40,630
Така че, когато искате да направите сегментиране,
По принцип, това, което искате да направите, е да видим

899
00:47:40,630 --> 00:47:44,850
какви са всички възможни начини, по които
можете сегмент на присъдата.

900
00:47:44,850 --> 00:47:49,090
>> Такава, че да видиш какво е
вероятност на всеки от тези изречения

901
00:47:49,090 --> 00:47:50,880
съществуваща в езика?

902
00:47:50,880 --> 00:47:53,410
Така че това, което правите е като, добре, нека
ми се опита да сложи пространство тук.

903
00:47:53,410 --> 00:47:55,570
Така че оставете разстояние там
и ще видите какво е най-

904
00:47:55,570 --> 00:47:57,590
вероятност на това изречение?

905
00:47:57,590 --> 00:48:00,240
Тогава сте като, ОК, може би
това не е толкова добра.

906
00:48:00,240 --> 00:48:03,420
Така че сложих пространство има и пространство
там, и ще ви се изчисли

907
00:48:03,420 --> 00:48:06,240
вероятност сега, и ще видите, че
е по-голяма вероятност.

908
00:48:06,240 --> 00:48:12,160
>> Така че това е един алгоритъм, наречен танго
сегментацията на алгоритъм, който е

909
00:48:12,160 --> 00:48:14,990
всъщност нещо, което ще бъде наистина
готино за един проект, който

910
00:48:14,990 --> 00:48:20,860
основно се Несегментиран текст, който
може да бъде японски или китайски или може би

911
00:48:20,860 --> 00:48:26,080
English без интервали и се опитва да сложи
интервали между думите и го прави

912
00:48:26,080 --> 00:48:29,120
че с помощта на модел и език
Опитвам се да видим какво е най-високата

913
00:48:29,120 --> 00:48:31,270
вероятност можете да получите.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Така че това е сегментация.

916
00:48:33,800 --> 00:48:35,450
>> Сега синтаксис.

917
00:48:35,450 --> 00:48:40,940
Така че, синтаксис се използва за
толкова много неща точно сега.

918
00:48:40,940 --> 00:48:44,880
Така че за Graph Search, за Siri за
почти всеки вид на природен

919
00:48:44,880 --> 00:48:46,490
обработка на език, който имате.

920
00:48:46,490 --> 00:48:49,140
Така че това, което са важните
неща за синтаксис?

921
00:48:49,140 --> 00:48:52,390
Така че, изречения като цяло имат
това, което ние наричаме избиратели.

922
00:48:52,390 --> 00:48:57,080
Кои са нещо като групи от думи
, които имат функция в изречението.

923
00:48:57,080 --> 00:49:02,220
И те наистина не може да бъде
един от друг.

924
00:49:02,220 --> 00:49:07,380
>> Така че, ако кажа, например, "Лорън обича
Milo. "Знам, че" Lauren "е

925
00:49:07,380 --> 00:49:10,180
съставка и след това "любови
Milo "и друг милион.

926
00:49:10,180 --> 00:49:16,860
Защото не може да се каже като "Lauren Milo
обича "да имат същото значение.

927
00:49:16,860 --> 00:49:18,020
Това няма да има
същото значение.

928
00:49:18,020 --> 00:49:22,500
Или аз не мога да кажа като "Milo Lauren
обича. "Не всичко е едно и също

929
00:49:22,500 --> 00:49:25,890
което означава, че правиш.

930
00:49:25,890 --> 00:49:31,940
>> Така че двете по-важни неща за
синтаксис са лексикални типове, които е

931
00:49:31,940 --> 00:49:35,390
основно функцията ви, че
има думи сами по себе си.

932
00:49:35,390 --> 00:49:39,180
Така че трябва да се знае, че "Lauren"
и "Milo" са съществителни.

933
00:49:39,180 --> 00:49:41,040
"Любов" е глагол.

934
00:49:41,040 --> 00:49:45,660
И второто важно нещо е,
че те са phrasal видове.

935
00:49:45,660 --> 00:49:48,990
Така че, вие знаете, че "обича Milo"
всъщност е словесен израз.

936
00:49:48,990 --> 00:49:52,390
Така че, когато казвам "Lauren," Аз знам, че
Лорън се прави нещо.

937
00:49:52,390 --> 00:49:53,620
Какво прави тя?

938
00:49:53,620 --> 00:49:54,570
Тя е любяща Майло.

939
00:49:54,570 --> 00:49:56,440
Така че това е цялата работа.

940
00:49:56,440 --> 00:50:01,640
Но неговите компоненти са
съществително и глагол.

941
00:50:01,640 --> 00:50:04,210
Но заедно, те правят глагол фраза.

942
00:50:04,210 --> 00:50:08,680
>> И така, какво всъщност можем да направим с
компютърната лингвистика?

943
00:50:08,680 --> 00:50:13,810
Така че, ако имам нещо за пример
"приятели на Алисън." Виждам, ако просто

944
00:50:13,810 --> 00:50:17,440
е синтактична дърво щях да разбера, че
"Приятели" е съществително фраза е

945
00:50:17,440 --> 00:50:21,480
съществително и след това "на Allison" е
prepositional фраза в които "за" е

946
00:50:21,480 --> 00:50:24,810
предложение и "Алисън" е съществително.

947
00:50:24,810 --> 00:50:30,910
Какво можех да направя, е науча моя компютър
че когато имам съществително фраза една и

948
00:50:30,910 --> 00:50:33,080
тогава prepositional фраза.

949
00:50:33,080 --> 00:50:39,020
Така че в този случай, "приятели" и след това "на
Milo "Знам, че това означава, че

950
00:50:39,020 --> 00:50:43,110
NP2, втората, притежава NP1.

951
00:50:43,110 --> 00:50:47,680
>> Така че мога да се създаде някакъв вид връзка,
някаква функция за него.

952
00:50:47,680 --> 00:50:52,370
Така че всеки път, когато видите тази структура, която
съвпада точно с "приятели на

953
00:50:52,370 --> 00:50:56,030
Алисън, "Знам, че Алисън
притежава приятели.

954
00:50:56,030 --> 00:50:58,830
Така че приятелите са нещо
че Allison има.

955
00:50:58,830 --> 00:50:59,610
Има смисъл?

956
00:50:59,610 --> 00:51:01,770
Така че това е основно това, което
Graph Search прави.

957
00:51:01,770 --> 00:51:04,360
Тя просто създава правила
за много неща.

958
00:51:04,360 --> 00:51:08,190
Толкова "приятели на Allison", "моите приятели
които живеят в Cambridge "," моите приятели

959
00:51:08,190 --> 00:51:12,970
които отиват в Харвард. "Той създава правила
за всички тези неща.

960
00:51:12,970 --> 00:51:14,930
>> Сега машинен превод.

961
00:51:14,930 --> 00:51:18,850
Така че, за машинен превод е също
нещо статистическа.

962
00:51:18,850 --> 00:51:21,340
И всъщност, ако се включат в
компютърната лингвистика, много

963
00:51:21,340 --> 00:51:23,580
нещата ще бъде статистиката.

964
00:51:23,580 --> 00:51:26,670
Така, както аз правех примера с
много вероятности, че съм бил

965
00:51:26,670 --> 00:51:30,540
изчисляване, и след това можете да получите на този
много малък брой, че е на финала

966
00:51:30,540 --> 00:51:33,180
вероятностите, и това е, което
дава отговор.

967
00:51:33,180 --> 00:51:37,540
Машинен превод също използва
статистически модел.

968
00:51:37,540 --> 00:51:44,790
А ако искате да се мисли за машина
превод по най-простия

969
00:51:44,790 --> 00:51:48,970
начин, това, което мога да мисля е просто
превежда дума по дума, нали?

970
00:51:48,970 --> 00:51:52,150
>> Когато сте изучаването на езика за
за първи път, това е обикновено това, което

971
00:51:52,150 --> 00:51:52,910
и да правиш, нали?

972
00:51:52,910 --> 00:51:57,050
Ако искате, можете преведете изречение
на вашия език на езика

973
00:51:57,050 --> 00:52:00,060
сте обучение, обикновено първо,
превода на всяка от думите

974
00:52:00,060 --> 00:52:03,180
индивидуално, и след това да се опитате
да се сложи думите на място.

975
00:52:03,180 --> 00:52:07,100
>> Така че, ако аз исках да преведе това,
[ГОВОРЕНЕ ПОРТУГАЛСКАТА]

976
00:52:07,100 --> 00:52:10,430
което означава "бял котката избяга."
Ако исках да го преведат от

977
00:52:10,430 --> 00:52:13,650
Португалски на английски, това, което аз
може да направите, е, първо, аз просто

978
00:52:13,650 --> 00:52:14,800
превежда дума по дума.

979
00:52:14,800 --> 00:52:20,570
Така че "о" е "на", "Гато", "котка"
"Бранко", "бяло", а после "fugio" е

980
00:52:20,570 --> 00:52:21,650
"Избяга".

981
00:52:21,650 --> 00:52:26,130
>> Така че след това имам всички думи тук,
но те не са в ред.

982
00:52:26,130 --> 00:52:29,590
Това е като "котка бял избяга"
който е ungrammatical.

983
00:52:29,590 --> 00:52:34,490
Така че, тогава може да има втора стъпка, която
ще бъде намирането на идеала

984
00:52:34,490 --> 00:52:36,610
позиция за всяка от думите.

985
00:52:36,610 --> 00:52:40,240
Така че аз знам, че аз всъщност искам да имам
"Бяла котка", вместо на "котка бял." Така

986
00:52:40,240 --> 00:52:46,050
това, което мога да направя е, най-наивен метод
е да се създаде цялата

987
00:52:46,050 --> 00:52:49,720
възможни пермутации на
думи, на нейните позиции.

988
00:52:49,720 --> 00:52:53,300
И тогава да видим кой има най-
най-високата вероятност според

989
00:52:53,300 --> 00:52:54,970
на моя език модел.

990
00:52:54,970 --> 00:52:58,390
И тогава, когато аз намирам този, който има
е най-високата вероятността, който е

991
00:52:58,390 --> 00:53:01,910
Вероятно "бялата котката избяга"
това е моят превод.

992
00:53:01,910 --> 00:53:06,710
>> И това е просто начин да се обясни
как много от машинния превод

993
00:53:06,710 --> 00:53:07,910
алгоритми работят.

994
00:53:07,910 --> 00:53:08,920
Това прави ли смисъл?

995
00:53:08,920 --> 00:53:12,735
Това също е нещо наистина вълнуващо
че вие ​​може би се изследват за

996
00:53:12,735 --> 00:53:13,901
окончателния проект, така ли?

997
00:53:13,901 --> 00:53:15,549
>> STUDENT: Е, ти каза, че е
наивния начин, така че това, което е

998
00:53:15,549 --> 00:53:17,200
не-наивен начин?

999
00:53:17,200 --> 00:53:18,400
>> LUCAS FREITAS: Не-наивен начин?

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Така че първото нещо, което е лошо за
този метод е, че аз просто преведено

1002
00:53:22,860 --> 00:53:24,330
думи, дума по дума.

1003
00:53:24,330 --> 00:53:30,570
Но понякога имате думи, които
може да има множество преводи.

1004
00:53:30,570 --> 00:53:32,210
Аз ще се опитам да мисля
на нещо.

1005
00:53:32,210 --> 00:53:37,270
Например, "манга" на португалски консерва
или да "поразят" или "ръкав". Така

1006
00:53:37,270 --> 00:53:40,450
, когато се опитвате да преведете дума
по дума, тя може да ви се дава

1007
00:53:40,450 --> 00:53:42,050
нещо, което няма смисъл.

1008
00:53:42,050 --> 00:53:45,770
>> Така че вие ​​всъщност искате да погледнете всички
възможните преводи на

1009
00:53:45,770 --> 00:53:49,840
думи и вижте, на първо място,
какъв е редът.

1010
00:53:49,840 --> 00:53:52,000
Ние говорехме за permutating
нещата?

1011
00:53:52,000 --> 00:53:54,150
За да видите всички възможни нареждания и
изберете този с най-висок

1012
00:53:54,150 --> 00:53:54,990
вероятност?

1013
00:53:54,990 --> 00:53:57,860
Можете също така да изберете всички възможни
преводи за всеки

1014
00:53:57,860 --> 00:54:00,510
дума и след това да видите -

1015
00:54:00,510 --> 00:54:01,950
комбиниран с пермутации -

1016
00:54:01,950 --> 00:54:03,710
кой е най-голяма вероятност.

1017
00:54:03,710 --> 00:54:08,590
>> Плюс това, можете да погледнете не
само думи, но и фрази.

1018
00:54:08,590 --> 00:54:11,700
така че можете да анализира отношенията между
думите и след това получи

1019
00:54:11,700 --> 00:54:13,210
по-добър превод.

1020
00:54:13,210 --> 00:54:16,690
Също нещо друго, така че този семестър
Аз съм всъщност прави изследвания в

1021
00:54:16,690 --> 00:54:19,430
Китайско-английски машинен превод,
така превежда от

1022
00:54:19,430 --> 00:54:20,940
Китайски на английски език.

1023
00:54:20,940 --> 00:54:26,760
>> И нещо, което правим е, освен с помощта на
статистически модел, който е само

1024
00:54:26,760 --> 00:54:30,570
виждайки вероятностите на виждане
някаква позиция в изречението, аз съм

1025
00:54:30,570 --> 00:54:35,360
всъщност също добавянето на някои синтаксис на моя
модел, като каза, о, ако видя, че този вид

1026
00:54:35,360 --> 00:54:39,420
на строителство, това е, което искам
за да го промените, когато Аз превеждам.

1027
00:54:39,420 --> 00:54:43,880
Така че можете да добавите някакъв вид
елемент на синтаксиса за да направи

1028
00:54:43,880 --> 00:54:47,970
превод по-ефективно
и по-точно.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Така че как може да започнете, ако искате
да се направи нещо в компютърната

1031
00:54:51,010 --> 00:54:51,980
лингвистика?

1032
00:54:51,980 --> 00:54:54,560
>> Първо, вие избирате един проект
че включва езици.

1033
00:54:54,560 --> 00:54:56,310
Така че, има толкова много там.

1034
00:54:56,310 --> 00:54:58,420
Има толкова много неща, които можете да направите.

1035
00:54:58,420 --> 00:55:00,510
И тогава може да се мисли за един модел
, които можете да използвате.

1036
00:55:00,510 --> 00:55:04,710
Обикновено това означава, че мисленето на
предположения, тъй като като, о, когато бях

1037
00:55:04,710 --> 00:55:05,770
като мислене на текстовете.

1038
00:55:05,770 --> 00:55:09,510
Аз бях като, добре, ако искам да разбера
от един, който е написал това, аз вероятно ще пожелаете

1039
00:55:09,510 --> 00:55:15,400
да разгледаме думите лицето използва и
виж, който използва тази дума много често.

1040
00:55:15,400 --> 00:55:18,470
Така че се опитват да правят предположения и
Опитвам се да мисля на модели.

1041
00:55:18,470 --> 00:55:21,395
И тогава можете да търсите онлайн за
вида на проблема, който имате,

1042
00:55:21,395 --> 00:55:24,260
и че ще предложи
да ви модели, които може би

1043
00:55:24,260 --> 00:55:26,560
моделира това нещо добре.

1044
00:55:26,560 --> 00:55:29,080
>> И също така винаги можете да ми пишете.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
И мога само да отговоря на вашите въпроси.

1047
00:55:34,940 --> 00:55:38,600
Можем дори да може да се срещнем за да мога да
даде предложения относно начините за

1048
00:55:38,600 --> 00:55:41,490
осъществяването на Вашия проект.

1049
00:55:41,490 --> 00:55:45,610
И искам да кажа, ако се включат с
компютърната лингвистика, че ще

1050
00:55:45,610 --> 00:55:46,790
да бъде страхотно.

1051
00:55:46,790 --> 00:55:48,370
Ще се видим там
е толкова много потенциал.

1052
00:55:48,370 --> 00:55:52,060
И индустрията иска да наеме
си толкова зле, защото от това.

1053
00:55:52,060 --> 00:55:54,720
Така че се надявам вие момчета се радваха това.

1054
00:55:54,720 --> 00:55:57,030
Ако вие имате някакви въпроси,
можете да ме питате след това.

1055
00:55:57,030 --> 00:55:58,280
Но ви благодаря.

1056
00:55:58,280 --> 00:56:00,150