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

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

3
00:00:08,870 --> 00:00:09,980
Καλώς ήρθατε όλοι.

4
00:00:09,980 --> 00:00:11,216
Το όνομά μου είναι Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Είμαι μια junior στο [δεν ακούγεται] μελετώντας
επιστήμη των υπολογιστών, με έμφαση στην

6
00:00:15,220 --> 00:00:16,410
υπολογιστική γλωσσολογία.

7
00:00:16,410 --> 00:00:19,310
Έτσι δευτεροβάθμια μου είναι στη γλώσσα
και γλωσσολογική θεωρία.

8
00:00:19,310 --> 00:00:21,870
Είμαι πραγματικά ενθουσιασμένος για να διδάξουν τα παιδιά σας
λίγο για το πεδίο.

9
00:00:21,870 --> 00:00:24,300
Είναι μια πολύ συναρπαστική περιοχή για να μελετήσει.

10
00:00:24,300 --> 00:00:27,260
Επίσης, με πολλές δυνατότητες
για το μέλλον.

11
00:00:27,260 --> 00:00:30,160
Έτσι, είμαι πραγματικά ενθουσιασμένος ότι εσείς
εξετάζουν τα σχέδια σε

12
00:00:30,160 --> 00:00:31,160
υπολογιστική γλωσσολογία.

13
00:00:31,160 --> 00:00:35,460
Και θα είμαι περισσότερο από ευτυχής να συμβουλεύσει
κάποια από σας αν αποφασίσετε να

14
00:00:35,460 --> 00:00:37,090
επιδιώκουν έναν από αυτούς.

15
00:00:37,090 --> 00:00:40,010
>> Έτσι, πρώτα απ 'όλα τι είναι υπολογιστικά
γλωσσολογία;

16
00:00:40,010 --> 00:00:44,630
Έτσι, υπολογιστική γλωσσολογία είναι η
τομής μεταξύ γλωσσολογία και

17
00:00:44,630 --> 00:00:46,390
επιστήμη των υπολογιστών.

18
00:00:46,390 --> 00:00:47,415
Έτσι, ποια είναι η γλωσσολογία;

19
00:00:47,415 --> 00:00:48,490
Τι είναι η επιστήμη των υπολογιστών;

20
00:00:48,490 --> 00:00:51,580
Λοιπόν, από τη γλωσσολογία, τι
παίρνουμε είναι οι γλώσσες.

21
00:00:51,580 --> 00:00:54,960
Έτσι, γλωσσολογία είναι στην πραγματικότητα η μελέτη
της φυσικής γλώσσας σε γενικές γραμμές.

22
00:00:54,960 --> 00:00:58,330
Έτσι, η φυσική γλώσσα - μιλάμε για
γλώσσα που πράγματι χρησιμοποιήσει για

23
00:00:58,330 --> 00:00:59,770
επικοινωνούν μεταξύ τους.

24
00:00:59,770 --> 00:01:02,200
Έτσι, δεν είμαστε ακριβώς μιλάμε
για το C ή Java.

25
00:01:02,200 --> 00:01:05,900
Μιλάμε περισσότερο για τα αγγλικά και
Κινέζικα και άλλες γλώσσες που θα

26
00:01:05,900 --> 00:01:07,780
χρησιμοποιούν για να επικοινωνούν μεταξύ τους.

27
00:01:07,780 --> 00:01:12,470
>> Το δύσκολο πράγμα για αυτό είναι ότι
αυτή τη στιγμή έχουμε περίπου 7.000

28
00:01:12,470 --> 00:01:14,260
γλώσσες στον κόσμο.

29
00:01:14,260 --> 00:01:19,520
Έτσι, υπάρχει μια αρκετά μεγάλη ποικιλία
γλωσσών που μπορούμε να μελετήσουμε.

30
00:01:19,520 --> 00:01:22,600
Και τότε πιστεύω ότι είναι μάλλον
πολύ δύσκολο να γίνει, για παράδειγμα,

31
00:01:22,600 --> 00:01:26,960
μετάφραση από τη μία γλώσσα στην
άλλη, θεωρώντας ότι έχετε

32
00:01:26,960 --> 00:01:28,240
σχεδόν 7.000 από αυτούς.

33
00:01:28,240 --> 00:01:31,450
Έτσι, εάν σκέφτεστε να κάνει τη μετάφραση
από τη μία γλώσσα στην άλλη σας

34
00:01:31,450 --> 00:01:35,840
έχουν σχεδόν πάνω από ένα εκατομμύριο
διαφορετικούς συνδυασμούς που μπορείτε να

35
00:01:35,840 --> 00:01:37,330
έχουν από γλώσσα σε γλώσσα.

36
00:01:37,330 --> 00:01:40,820
Έτσι, είναι πραγματικά δύσκολο να κάνει κάποια
είδος του συστήματος μετάφρασης για παράδειγμα

37
00:01:40,820 --> 00:01:43,540
κάθε γλώσσα.

38
00:01:43,540 --> 00:01:47,120
>> Έτσι, η γλωσσολογία αντιμετωπίζει με τη σύνταξη,
σημασιολογία, πραγματολογία.

39
00:01:47,120 --> 00:01:49,550
Εσείς δεν χρειάζεται ακριβώς
να γνωρίζουν τι είναι.

40
00:01:49,550 --> 00:01:55,090
Αλλά το πολύ ενδιαφέρον πράγμα είναι ότι
ως μητρική του γλώσσα, πότε θέλετε να μάθετε

41
00:01:55,090 --> 00:01:59,010
γλώσσα ως παιδί, μπορείτε πραγματικά να μάθουν
όλα αυτά τα πράγματα - σημασιολογία σύνταξη

42
00:01:59,010 --> 00:02:00,500
και την πραγματολογία -

43
00:02:00,500 --> 00:02:01,430
από τον εαυτό σας.

44
00:02:01,430 --> 00:02:04,820
Και κανείς δεν έχει να διδάξει σύνταξη σας για
μπορείτε να καταλάβετε πώς είναι ποινές

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

46
00:02:05,290 --> 00:02:07,980
Έτσι, είναι πραγματικά ενδιαφέρον, διότι
Είναι κάτι που έρχεται πολύ

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

48
00:02:10,389 --> 00:02:13,190
>> Και τι παίρνεις από
η επιστήμη των υπολογιστών;

49
00:02:13,190 --> 00:02:16,700
Λοιπόν, το πιο σημαντικό πράγμα που μπορούμε
έχουν στην επιστήμη των υπολογιστών είναι η πρώτη από

50
00:02:16,700 --> 00:02:19,340
όλα, την τεχνητή νοημοσύνη
και μηχανική μάθηση.

51
00:02:19,340 --> 00:02:22,610
Έτσι, αυτό που προσπαθούμε να κάνουμε
υπολογιστική γλωσσολογία είναι διδάσκουν

52
00:02:22,610 --> 00:02:26,990
υπολογιστή σας πώς να κάνει κάτι
με τη γλώσσα.

53
00:02:26,990 --> 00:02:28,630
>> Έτσι, για παράδειγμα, στο μηχάνημα
μετάφραση.

54
00:02:28,630 --> 00:02:32,490
Προσπαθώ να διδάξει πώς ο υπολογιστής μου
να γνωρίζουν πώς να τη μετάβαση από το ένα

55
00:02:32,490 --> 00:02:33,310
γλώσσα στην άλλη.

56
00:02:33,310 --> 00:02:35,790
Έτσι, βασικά αρέσει διδασκαλία
ένας υπολογιστής δύο γλώσσες.

57
00:02:35,790 --> 00:02:38,870
Αν κάνω επεξεργασία φυσικής γλώσσας,
η οποία είναι η περίπτωση για παράδειγμα της

58
00:02:38,870 --> 00:02:41,810
Γράφημα του Facebook Search, σας διδάξει
υπολογιστή σας πώς να κατανοήσουν

59
00:02:41,810 --> 00:02:42,730
ερωτήματα καλά.

60
00:02:42,730 --> 00:02:48,130
>> Έτσι, αν πείτε "τις φωτογραφίες του μου
φίλοι. "Facebook δεν αντιμετωπίζει ότι

61
00:02:48,130 --> 00:02:51,130
ως σύνολο εγχόρδων που έχει
απλά ένα μάτσο λέξεις.

62
00:02:51,130 --> 00:02:56,020
Είναι πράγματι κατανοεί τη σχέση
μεταξύ "φωτογραφίες" και "φίλοι μου" και

63
00:02:56,020 --> 00:02:59,620
κατανοεί ότι είναι "φωτογραφίες"
ιδιοκτησία "τους φίλους μου."

64
00:02:59,620 --> 00:03:02,350
>> Έτσι, αυτό είναι μέρος της, για παράδειγμα,
επεξεργασία φυσικής γλώσσας.

65
00:03:02,350 --> 00:03:04,790
Προσπαθεί να καταλάβει τι
είναι η σχέση μεταξύ

66
00:03:04,790 --> 00:03:07,520
οι λέξεις σε μια πρόταση.

67
00:03:07,520 --> 00:03:11,170
Και το μεγάλο ερώτημα είναι, μπορεί να σας
διδάξει έναν υπολογιστή πώς να μιλούν

68
00:03:11,170 --> 00:03:12,650
μια γλώσσα σε γενικές γραμμές;

69
00:03:12,650 --> 00:03:17,810
Ποια είναι μια πολύ ενδιαφέρουσα ερώτηση
σκεφτεί, όπως και αν ίσως στο μέλλον,

70
00:03:17,810 --> 00:03:19,930
θα πάμε να είναι σε θέση να
μιλήστε στο κινητό σας τηλέφωνο.

71
00:03:19,930 --> 00:03:23,290
Κάπως σαν αυτό που κάνουμε με το Siri, αλλά
κάτι που μοιάζει περισσότερο, μπορείτε πραγματικά να

72
00:03:23,290 --> 00:03:25,690
πείτε ό, τι θέλετε και το τηλέφωνο
πρόκειται να καταλάβει τα πάντα.

73
00:03:25,690 --> 00:03:28,350
Και μπορεί να έχει συνέχεια ερωτήσεις
και να μιλάτε.

74
00:03:28,350 --> 00:03:30,880
Αυτό είναι κάτι πραγματικά συναρπαστικό,
κατά τη γνώμη μου.

75
00:03:30,880 --> 00:03:33,070
>> Έτσι, κάτι για φυσικές γλώσσες.

76
00:03:33,070 --> 00:03:36,220
Κάτι πολύ ενδιαφέρον για
φυσικές γλώσσες είναι ότι, και αυτό είναι

77
00:03:36,220 --> 00:03:38,470
πίστωσης τον γλωσσολόγο καθηγητή μου,
Μαρία Polinsky.

78
00:03:38,470 --> 00:03:40,830
Δίνει ένα παράδειγμα και νομίζω
είναι πραγματικά ενδιαφέρον.

79
00:03:40,830 --> 00:03:47,060
Επειδή μαθαίνουμε τη γλώσσα από τη στιγμή που
γεννιόμαστε και, στη συνέχεια, τη μητρική μας

80
00:03:47,060 --> 00:03:49,170
γλώσσας είδος φύεται σε εμάς.

81
00:03:49,170 --> 00:03:52,570
>> Και βασικά θα μάθουν τη γλώσσα
από την ελάχιστη συμβολή, σωστά;

82
00:03:52,570 --> 00:03:56,700
Μπορείτε απλά να πάρει στοιχεία από το
Οι γονείς του αυτό που ακούγεται γλώσσα σας

83
00:03:56,700 --> 00:03:58,770
αρέσει και απλά να το μάθει.

84
00:03:58,770 --> 00:04:02,240
Έτσι, είναι ενδιαφέρον γιατί αν κοιτάξετε
σε αυτές τις προτάσεις, για παράδειγμα.

85
00:04:02,240 --> 00:04:06,980
Φαίνεσαι, "Μαρία βάζει σε ένα παλτό κάθε
φορά που φεύγει από το σπίτι. "

86
00:04:06,980 --> 00:04:10,650
>> Στην περίπτωση αυτή, είναι δυνατό να έχουν την
λέξη «αυτή» αναφέρεται σε Mary, σωστά;

87
00:04:10,650 --> 00:04:13,500
Μπορείτε να πείτε "Μαρία βάζει σε ένα παλτό
κάθε φορά που η Μαρία αφήνει την

88
00:04:13,500 --> 00:04:14,960
σπίτι ». έτσι ώστε να είναι μια χαρά.

89
00:04:14,960 --> 00:04:19,370
Στη συνέχεια, όμως, αν κοιτάξει κανείς την φράση
«Βάζει σε ένα παλτό κάθε φορά Mary

90
00:04:19,370 --> 00:04:22,850
αφήνει το σπίτι. "ξέρετε ότι είναι
αδύνατο να πει ότι "αυτή" είναι

91
00:04:22,850 --> 00:04:24,260
αναφερόμενος στην Παναγία.

92
00:04:24,260 --> 00:04:27,070
>> Δεν υπάρχει κανένας τρόπος για να πούμε ότι "η Μαρία βάζει
σε ένα παλτό κάθε φορά που η Μαρία αφήνει

93
00:04:27,070 --> 00:04:30,790
το σπίτι. "Γι 'αυτό είναι ενδιαφέρον, διότι
αυτό είναι το είδος της διαίσθησης

94
00:04:30,790 --> 00:04:32,890
ότι κάθε φυσικός ομιλητής έχει.

95
00:04:32,890 --> 00:04:36,370
Και κανείς δεν είχε διδάξει ότι αυτός είναι
ο τρόπος που λειτουργεί η σύνταξη.

96
00:04:36,370 --> 00:04:41,930
Και ότι μπορείτε να έχετε μόνο αυτό το "αυτή"
αναφερόμενος στην Παναγία σε αυτήν την πρώτη περίπτωση,

97
00:04:41,930 --> 00:04:44,260
και μάλιστα σε αυτό το άλλο
πάρα πολύ, αλλά όχι σε αυτό.

98
00:04:44,260 --> 00:04:46,500
Αλλά ο καθένας παίρνει το είδος της
με την ίδια απάντηση.

99
00:04:46,500 --> 00:04:48,580
Όλοι συμφωνούν σε αυτό.

100
00:04:48,580 --> 00:04:53,280
Έτσι, είναι πραγματικά ενδιαφέρον το πώς παρόλο
δεν ξέρεις όλους τους κανόνες

101
00:04:53,280 --> 00:04:55,575
στη γλώσσα σας, το είδος της κατανοούν
πώς λειτουργεί η γλώσσα.

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

103
00:04:59,020 --> 00:05:01,530
>> Έτσι, το ενδιαφέρον πράγμα για το φυσικό
γλώσσας είναι ότι δεν χρειάζεται να

104
00:05:01,530 --> 00:05:06,970
γνωρίζω καμία σύνταξη να ξέρω αν μια πρόταση
είναι γραμματικά ή γραμματική για

105
00:05:06,970 --> 00:05:08,810
περισσότερες περιπτώσεις.

106
00:05:08,810 --> 00:05:13,220
Ποια σε κάνει να σκέφτεσαι ότι ίσως αυτό
που συμβαίνει είναι ότι μέσα από τη ζωή σας,

107
00:05:13,220 --> 00:05:17,410
απλά να κρατήσει όλο και περισσότερο
ποινές είπαν για εσάς.

108
00:05:17,410 --> 00:05:19,800
Και τότε θα κρατήσει απομνημόνευση
όλες τις προτάσεις.

109
00:05:19,800 --> 00:05:24,230
Και στη συνέχεια, όταν κάποιος σας λέει
κάτι, θα ακούσετε τη φράση αυτή και

110
00:05:24,230 --> 00:05:27,040
Αν κοιτάξει κανείς το λεξιλόγιό σας
των ποινών και να δούμε αν

111
00:05:27,040 --> 00:05:28,270
η φράση αυτή δεν υπάρχει.

112
00:05:28,270 --> 00:05:29,830
Και αν είναι εκεί
λένε ότι είναι γραμματικά.

113
00:05:29,830 --> 00:05:31,740
Αν δεν είναι λέγατε ότι είναι
σόλοικος.

114
00:05:31,740 --> 00:05:35,150
>> Έτσι, στην περίπτωση αυτή, θα σας πω, OH,
έτσι ώστε να έχουν μια τεράστια λίστα με όλα

115
00:05:35,150 --> 00:05:36,140
πιθανές ποινές.

116
00:05:36,140 --> 00:05:38,240
Και στη συνέχεια, όταν ακούς μια πρόταση,
ξέρετε αν είναι γραμματικά ή

117
00:05:38,240 --> 00:05:39,450
δεν βασίζονται σε αυτό.

118
00:05:39,450 --> 00:05:42,360
Το θέμα είναι ότι αν κοιτάξετε
μια πρόταση, για παράδειγμα, «Η

119
00:05:42,360 --> 00:05:47,540
πέντε επικεφαλής CS50 TFs μαγειρεμένα τον τυφλό
χταπόδι χρησιμοποιώντας μια κούπα DAPA. «Είναι

120
00:05:47,540 --> 00:05:49,630
σίγουρα δεν είναι μια πρόταση
ότι έχετε ακούσει πριν.

121
00:05:49,630 --> 00:05:52,380
Αλλά την ίδια στιγμή ξέρεις ότι είναι
λίγο πολύ γραμματική, έτσι δεν είναι;

122
00:05:52,380 --> 00:05:55,570
Δεν υπάρχουν γραμματικά λάθη
και μπορείτε να πείτε ότι

123
00:05:55,570 --> 00:05:57,020
είναι μια πιθανή ποινή.

124
00:05:57,020 --> 00:06:01,300
>> Γι 'αυτό μας κάνει να πιστεύουμε ότι στην πραγματικότητα η
τρόπο που μαθαίνουμε τη γλώσσα δεν είναι μόνο

125
00:06:01,300 --> 00:06:07,090
έχοντας μια τεράστια βάση δεδομένων των πιθανών
λέξεις ή φράσεις, αλλά περισσότερο από

126
00:06:07,090 --> 00:06:11,490
κατανόηση της σχέσης μεταξύ
λόγια σε αυτές τις προτάσεις.

127
00:06:11,490 --> 00:06:14,570
Μήπως αυτό έχει νόημα;

128
00:06:14,570 --> 00:06:19,370
Έτσι, λοιπόν, το ερώτημα είναι, μπορεί να
υπολογιστές μάθουν ξένες γλώσσες;

129
00:06:19,370 --> 00:06:21,490
Μπορούμε να διδάξουν τη γλώσσα με τους υπολογιστές;

130
00:06:21,490 --> 00:06:24,230
>> Έτσι, ας σκεφτούμε τη διαφορά
ανάμεσα σε ένα φυσικό ομιλητή της γλώσσας

131
00:06:24,230 --> 00:06:25,460
και ένας υπολογιστής.

132
00:06:25,460 --> 00:06:27,340
Έτσι, τι συμβαίνει με τον ομιλητή;

133
00:06:27,340 --> 00:06:30,430
Λοιπόν, ο φυσικός ομιλητής μαθαίνει
γλώσσα από την έκθεση σε αυτό.

134
00:06:30,430 --> 00:06:34,200
Συνήθως τα πρώτα χρόνια της παιδικής ηλικίας της.

135
00:06:34,200 --> 00:06:38,570
Έτσι, βασικά, απλά έχει ένα μωρό,
και να μιλάτε σε αυτό, και

136
00:06:38,570 --> 00:06:40,540
μόλις μαθαίνει πώς να μιλήσει
η γλώσσα, έτσι δεν είναι;

137
00:06:40,540 --> 00:06:42,660
Έτσι, είστε ουσιαστικά δίνει
εισόδου για το μωρό.

138
00:06:42,660 --> 00:06:45,200
Έτσι, τότε θα μπορεί να υποστηρίξει ότι ένας υπολογιστής
μπορεί να κάνει το ίδιο πράγμα, έτσι δεν είναι;

139
00:06:45,200 --> 00:06:49,510
Μπορείτε να δώσετε μόνο τη γλώσσα
ως συμβολή στον υπολογιστή.

140
00:06:49,510 --> 00:06:53,410
>> Όπως επί παραδείγματι μια δέσμη των αρχείων
που έχουν τα βιβλία στα αγγλικά.

141
00:06:53,410 --> 00:06:56,190
Ίσως αυτός να είναι ένας τρόπος ότι μπορείτε
θα μπορούσε ενδεχομένως να διδάξει

142
00:06:56,190 --> 00:06:57,850
υπολογιστή αγγλικά, έτσι δεν είναι;

143
00:06:57,850 --> 00:07:01,000
Και στην πραγματικότητα, αν το καλοσκεφτείτε,
σας παίρνει ίσως ένα ζευγάρι

144
00:07:01,000 --> 00:07:02,680
ημέρες για να διαβάσετε ένα βιβλίο.

145
00:07:02,680 --> 00:07:05,760
Για έναν υπολογιστή που χρειάζεται ένα δευτερόλεπτο για να
εξετάσουμε όλες τις λέξεις σε ένα βιβλίο.

146
00:07:05,760 --> 00:07:10,810
Έτσι, μπορείτε να σκεφτείτε ότι μπορεί να είναι ακριβώς αυτό
επιχείρημα των εισροών από γύρω σας,

147
00:07:10,810 --> 00:07:15,440
αυτό δεν είναι αρκετό να πούμε ότι αυτό είναι
κάτι που μόνο οι άνθρωποι μπορούν να κάνουν.

148
00:07:15,440 --> 00:07:17,680
Μπορείτε να σκεφτείτε υπολογιστές
Επίσης, μπορείτε να πάρετε είσοδο.

149
00:07:17,680 --> 00:07:21,170
>> Το δεύτερο πράγμα είναι ότι η μητρική τους γλώσσα
έχουν επίσης έναν εγκέφαλο που έχει

150
00:07:21,170 --> 00:07:23,870
την ικανότητα εκμάθησης ξένων γλωσσών.

151
00:07:23,870 --> 00:07:27,020
Αλλά αν το σκεφτείτε,
ένας εγκέφαλος είναι ένα στερεό πράγμα.

152
00:07:27,020 --> 00:07:30,450
Όταν γεννιούνται, είναι ήδη οριστεί -

153
00:07:30,450 --> 00:07:31,320
Αυτό είναι το μυαλό σας.

154
00:07:31,320 --> 00:07:34,660
Και όπως σας μεγαλώνουν, μπορείτε απλά να πάρετε περισσότερα
εισόδου της γλώσσας και ίσως θρεπτικά συστατικά

155
00:07:34,660 --> 00:07:35,960
και άλλα πράγματα.

156
00:07:35,960 --> 00:07:38,170
Αλλά λίγο πολύ το μυαλό σας
είναι ένα στερεό πράγμα.

157
00:07:38,170 --> 00:07:41,290
>> Έτσι, μπορείτε να πείτε, καλά, ίσως μπορείτε να
οικοδομήσει έναν υπολογιστή που έχει μια δέσμη των

158
00:07:41,290 --> 00:07:45,890
λειτουργίες και τις μεθόδους που απλά μιμούνται
την ικανότητα εκμάθησης ξένων γλωσσών.

159
00:07:45,890 --> 00:07:49,630
Έτσι, με αυτή την έννοια, θα μπορούσαμε να πούμε, λοιπόν,
μπορεί να έχει έναν υπολογιστή που έχει όλα τα

160
00:07:49,630 --> 00:07:52,270
πράγματα που πρέπει να μάθουν τη γλώσσα.

161
00:07:52,270 --> 00:07:56,200
Και το τελευταίο πράγμα είναι ότι ένας ντόπιος
ομιλητής μαθαίνει από τη δοκιμή και το λάθος.

162
00:07:56,200 --> 00:08:01,090
Έτσι, βασικά ένα άλλο σημαντικό πράγμα στην
εκμάθηση γλωσσών είναι ότι το είδος

163
00:08:01,090 --> 00:08:05,340
του μάθουν πράγματα, κάνοντας
γενικεύσεις για το τι ακούτε.

164
00:08:05,340 --> 00:08:10,280
>> Έτσι, όπως σας μεγαλώνουν θα μάθουν ότι
ορισμένες λέξεις είναι περισσότερο σαν ουσιαστικά,

165
00:08:10,280 --> 00:08:11,820
κάποια άλλα από αυτά είναι επίθετα.

166
00:08:11,820 --> 00:08:14,250
Και δεν χρειάζεται να έχει οποιαδήποτε
γνώση της γλωσσολογίας

167
00:08:14,250 --> 00:08:15,040
να το κατανοήσουμε αυτό.

168
00:08:15,040 --> 00:08:18,560
Αλλά ξέρετε ακριβώς υπάρχει κάποια λόγια
τοποθετούνται σε κάποιο μέρος της

169
00:08:18,560 --> 00:08:22,570
πρόταση και κάποιοι άλλοι σε άλλες
τμήματα της ποινής.

170
00:08:22,570 --> 00:08:26,110
>> Και ότι όταν κάνεις κάτι που είναι
όπως μια πρόταση που δεν είναι σωστό -

171
00:08:26,110 --> 00:08:28,770
ίσως λόγω της γενίκευσης πάνω
για παράδειγμα.

172
00:08:28,770 --> 00:08:32,210
Ίσως όταν μεγαλώνεις, θα παρατηρήσετε
ότι ο πληθυντικός είναι συνήθως

173
00:08:32,210 --> 00:08:35,809
σχηματίζεται τοποθετώντας ένα S στο
το τέλος της λέξης.

174
00:08:35,809 --> 00:08:40,042
Και τότε θα προσπαθήσουμε να κάνουμε τον πληθυντικό
"Ελαφιών", όπως "ελάφια" ή "δόντι", όπως

175
00:08:40,042 --> 00:08:44,780
"Tooths." Έτσι, τότε οι γονείς σας ή
κάποιον που διορθώνει και λέει, όχι, η

176
00:08:44,780 --> 00:08:49,020
πληθυντικός του "ελαφιών" είναι "ελάφια", και ο
πληθυντικός του "δόντι" είναι "δόντια". Και στη συνέχεια

177
00:08:49,020 --> 00:08:50,060
μπορείτε να μάθετε αυτά τα πράγματα.

178
00:08:50,060 --> 00:08:51,520
Έτσι, μπορείτε να μάθετε από την δοκιμή και το λάθος.

179
00:08:51,520 --> 00:08:53,100
>> Αλλά μπορείτε επίσης να το κάνετε αυτό
με έναν υπολογιστή.

180
00:08:53,100 --> 00:08:55,310
Μπορείτε να έχετε κάτι που ονομάζεται
ενισχυτική μάθηση.

181
00:08:55,310 --> 00:08:58,560
Ποια είναι βασικά σαν να δίνουμε ένα
υπολογιστή μια ανταμοιβή κάθε φορά που το κάνει

182
00:08:58,560 --> 00:08:59,410
κάτι σωστά.

183
00:08:59,410 --> 00:09:04,710
Και δίνει το αντίθετο από μια ανταμοιβή
και όταν κάνει κάτι λάθος.

184
00:09:04,710 --> 00:09:07,410
Μπορείτε πραγματικά να δείτε ότι αν πάτε
στο Google Translate και να προσπαθήσετε να

185
00:09:07,410 --> 00:09:10,220
μεταφράσετε μια πρόταση, το
σας ρωτά για την ανατροφοδότηση.

186
00:09:10,220 --> 00:09:13,240
Έτσι, αν σας πω, OH, υπάρχει μια καλύτερη
μετάφραση για αυτή την πρόταση.

187
00:09:13,240 --> 00:09:18,140
Μπορείτε να πληκτρολογήσετε και στη συνέχεια αν πολλά
οι άνθρωποι συνεχίζουν να λένε ότι είναι η καλύτερη

188
00:09:18,140 --> 00:09:21,560
μετάφραση, μαθαίνει μόνο ότι
θα πρέπει να χρησιμοποιεί το εν λόγω μετάφραση αντί του

189
00:09:21,560 --> 00:09:22,960
το ένα που έδινε.

190
00:09:22,960 --> 00:09:28,830
>> Έτσι, αυτό είναι ένα πολύ φιλοσοφικό ερώτημα
για να δούμε αν οι υπολογιστές θα είναι

191
00:09:28,830 --> 00:09:30,340
είναι σε θέση να μιλήσει ή όχι στο μέλλον.

192
00:09:30,340 --> 00:09:34,440
Αλλά έχω μεγάλες ελπίδες ότι μπορούν να
μόνο με βάση τα επιχειρήματα αυτά.

193
00:09:34,440 --> 00:09:38,570
Αλλά είναι ακριβώς πάνω από μια φιλοσοφική
ερώτηση.

194
00:09:38,570 --> 00:09:43,460
>> Έτσι, ενώ οι υπολογιστές δεν μπορούν ακόμα να μιλήσει,
ποια είναι τα πράγματα που μπορούμε να κάνουμε;

195
00:09:43,460 --> 00:09:47,070
Μερικά πραγματικά δροσερά πράγματα είναι
ταξινόμησης των δεδομένων.

196
00:09:47,070 --> 00:09:53,210
Έτσι, για παράδειγμα, εσείς ξέρετε
ότι οι υπηρεσίες ηλεκτρονικού ταχυδρομείου κάνουμε, για

197
00:09:53,210 --> 00:09:55,580
παράδειγμα, το φιλτράρισμα ανεπιθύμητων μηνυμάτων.

198
00:09:55,580 --> 00:09:59,070
Έτσι, κάθε φορά που λαμβάνετε spam,
προσπαθεί να φιλτράρετε σε άλλο πλαίσιο.

199
00:09:59,070 --> 00:10:00,270
Έτσι, πώς να το κάνουμε αυτό;

200
00:10:00,270 --> 00:10:06,080
Δεν είναι όπως ο υπολογιστής ξέρει ακριβώς
Οι διευθύνσεις ηλεκτρονικού ταχυδρομείου ό, τι για την αποστολή spam.

201
00:10:06,080 --> 00:10:09,130
Έτσι είναι περισσότερο με βάση το περιεχόμενο των
το μήνυμα, ή ίσως ο τίτλος, ή

202
00:10:09,130 --> 00:10:11,310
ίσως κάποιο μοντέλο που έχετε.

203
00:10:11,310 --> 00:10:15,690
>> Έτσι, βασικά, τι μπορείτε να κάνετε είναι να πάρετε μια
πολλά στοιχεία των μηνυμάτων ηλεκτρονικού ταχυδρομείου που είναι spam,

204
00:10:15,690 --> 00:10:19,980
μηνύματα που δεν είναι spam, και να μάθετε τι
είδος των προτύπων που έχετε στο

205
00:10:19,980 --> 00:10:21,000
αυτά που είναι spam.

206
00:10:21,000 --> 00:10:23,260
Και αυτό είναι μέρος της υπολογιστικής
γλωσσολογία.

207
00:10:23,260 --> 00:10:24,720
Λέγεται ταξινόμησης των δεδομένων.

208
00:10:24,720 --> 00:10:28,100
Και είμαστε πραγματικά πρόκειται να δούμε μια
παράδειγμα ότι στις επόμενες διαφάνειες.

209
00:10:28,100 --> 00:10:32,910
>> Το δεύτερο πράγμα είναι η φυσική γλώσσα
επεξεργασίας, το οποίο είναι το πράγμα που το

210
00:10:32,910 --> 00:10:36,580
Γράφημα Αναζήτηση κάνει να αφήσει
μπορείτε να γράψετε μια πρόταση.

211
00:10:36,580 --> 00:10:38,690
Και εμπιστεύεται να καταλάβετε τι
είναι η έννοια και δίνει

212
00:10:38,690 --> 00:10:39,940
Είσαι ένα καλύτερο αποτέλεσμα.

213
00:10:39,940 --> 00:10:43,880
Στην πραγματικότητα, αν πάτε στο Google ή το Bing
και ψάχνετε κάτι σαν Lady

214
00:10:43,880 --> 00:10:47,060
Ύψος της Gaga, είστε πράγματι πρόκειται
να πάρει 5 '1 "αντί για τα στοιχεία

215
00:10:47,060 --> 00:10:50,170
από αυτήν επειδή καταλαβαίνει πραγματικά
τι πράγμα μιλάς.

216
00:10:50,170 --> 00:10:52,140
Έτσι, αυτό είναι μέρος της φυσικής
επεξεργασία της γλώσσας.

217
00:10:52,140 --> 00:10:57,000
>> Ή, επίσης, όταν χρησιμοποιείτε Siri, το πρώτο
έχετε έναν αλγόριθμο που προσπαθεί να

218
00:10:57,000 --> 00:11:01,130
μεταφράσει τι λέτε
σε λέξεις, σε κείμενο.

219
00:11:01,130 --> 00:11:03,690
Και τότε προσπαθεί να μεταφράσει
ότι σε νόημα.

220
00:11:03,690 --> 00:11:06,570
Έτσι ώστε να είναι όλα μέρος της φυσικής
επεξεργασία της γλώσσας.

221
00:11:06,570 --> 00:11:08,320
>> Στη συνέχεια, έχετε αυτόματη μετάφραση -

222
00:11:08,320 --> 00:11:10,300
η οποία είναι στην πραγματικότητα ένα
από τα αγαπημένα μου -

223
00:11:10,300 --> 00:11:14,060
η οποία είναι ακριβώς μετάφραση από
μια γλώσσα στην άλλη.

224
00:11:14,060 --> 00:11:17,950
Έτσι, μπορείτε να σκεφτείτε ότι όταν κάνεις
αυτόματη μετάφραση, έχετε

225
00:11:17,950 --> 00:11:19,750
άπειρες δυνατότητες των ποινών.

226
00:11:19,750 --> 00:11:22,960
Έτσι, δεν υπάρχει τρόπος να αποθηκεύουμε μόνο
κάθε μετάφραση.

227
00:11:22,960 --> 00:11:27,440
Έτσι, θα πρέπει να καταλήξει σε ενδιαφέροντα
αλγόριθμους για να είναι σε θέση να

228
00:11:27,440 --> 00:11:30,110
μεταφράσει κάθε
πρόταση με κάποιο τρόπο.

229
00:11:30,110 --> 00:11:32,483
>> Εσείς έχετε οποιεσδήποτε ερωτήσεις μέχρι τώρα;

230
00:11:32,483 --> 00:11:34,450
Όχι;

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

232
00:11:34,830 --> 00:11:36,900
>> Λοιπόν, τι θα δούμε σήμερα;

233
00:11:36,900 --> 00:11:39,300
Πρώτα απ 'όλα, είμαι πρόκειται να μιλήσω για
το πρόβλημα ταξινόμησης.

234
00:11:39,300 --> 00:11:41,440
Έτσι, αυτό που ήμουν
λέγοντας για το spam.

235
00:11:41,440 --> 00:11:46,820
Τι Πάω να κάνουμε είναι, δεδομένου στίχους
ένα τραγούδι, μπορείτε να προσπαθήσετε να καταλάβω

236
00:11:46,820 --> 00:11:49,810
με μεγάλη πιθανότητα
ποιος είναι ο τραγουδιστής;

237
00:11:49,810 --> 00:11:53,590
Ας πούμε ότι έχω τραγούδια από Lady
Gaga και η Katy Perry, αν μπορώ να σας δώσω μια

238
00:11:53,590 --> 00:11:58,130
νέο τραγούδι, μπορώ να σας καταλάβω αν
Είναι Katy Perry και η Lady Gaga;

239
00:11:58,130 --> 00:12:01,490
>> Το δεύτερο, είμαι απλώς πρόκειται να μιλήσω
σχετικά με το πρόβλημα του κατακερματισμού.

240
00:12:01,490 --> 00:12:05,780
Οπότε δεν ξέρω αν εσείς γνωρίζετε, αλλά
Κινέζικα, Ιαπωνικά, εκτός της Ανατολικής Ασίας

241
00:12:05,780 --> 00:12:08,090
γλώσσες, και σε άλλες γλώσσες
σε γενικές γραμμές, δεν έχουν

242
00:12:08,090 --> 00:12:09,830
διαστήματα μεταξύ των λέξεων.

243
00:12:09,830 --> 00:12:13,540
Και στη συνέχεια, αν σκεφτούμε τον τρόπο που
το είδος του υπολογιστή σας προσπαθεί να

244
00:12:13,540 --> 00:12:18,600
κατανοήσουν την επεξεργασία φυσικής γλώσσας,
φαίνεται από τα λόγια και

245
00:12:18,600 --> 00:12:21,500
προσπαθεί να κατανοήσει τις σχέσεις
μεταξύ τους, σωστά;

246
00:12:21,500 --> 00:12:25,440
Στη συνέχεια, όμως, αν έχετε Κινέζικα, και
έχουν μηδενικό χώρους, είναι πραγματικά δύσκολο να

247
00:12:25,440 --> 00:12:28,360
μάθετε ποια είναι η σχέση μεταξύ
Δηλαδή, επειδή δεν έχουν καμία

248
00:12:28,360 --> 00:12:29,530
λέξεις από την πρώτη.

249
00:12:29,530 --> 00:12:32,600
Έτσι, έχετε να κάνετε κάτι που ονομάζεται
κατάτμηση η οποία σημαίνει απλά βάζοντας

250
00:12:32,600 --> 00:12:36,490
κενά ανάμεσα σε αυτό που λέμε
λόγια σε αυτές τις γλώσσες.

251
00:12:36,490 --> 00:12:37,740
Νόημα;

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

253
00:12:39,680 --> 00:12:41,540
>> Και μετά θα πάμε να
μιλάμε για σύνταξη.

254
00:12:41,540 --> 00:12:44,050
Έτσι λίγο για το φυσικό
επεξεργασία της γλώσσας.

255
00:12:44,050 --> 00:12:45,420
Είναι πρόκειται να είναι απλά μια επισκόπηση.

256
00:12:45,420 --> 00:12:50,700
Έτσι, σήμερα, βασικά αυτό που θέλω να κάνω
είναι να σας δώσει τα παιδιά λίγο ένα

257
00:12:50,700 --> 00:12:53,930
μέσα από ποιες είναι οι δυνατότητες
που μπορείτε να κάνετε με την υπολογιστική

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

259
00:12:54,960 --> 00:13:00,410
Και τότε μπορείτε να δείτε ό, τι νομίζετε
είναι δροσερό μεταξύ αυτά τα πράγματα.

260
00:13:00,410 --> 00:13:02,270
Και ίσως μπορείτε να σκεφτείτε ένα σχέδιο
και να έρθει να μου μιλήσει.

261
00:13:02,270 --> 00:13:05,260
Και μπορώ να σας δώσω συμβουλές
σχετικά με το πώς να την εφαρμόσουν.

262
00:13:05,260 --> 00:13:09,060
>> Έτσι, η σύνταξη θα είναι λίγο
Γράφημα για την αναζήτηση και την μηχανή

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

264
00:13:09,670 --> 00:13:13,650
Είμαι ακριβώς πρόκειται να δώσει ένα παράδειγμα για το πώς
θα μπορούσε, για παράδειγμα, να μεταφράσει

265
00:13:13,650 --> 00:13:16,020
κάτι από τα πορτογαλικά στα αγγλικά.

266
00:13:16,020 --> 00:13:17,830
Ακούγεται καλό;

267
00:13:17,830 --> 00:13:19,293
>> Έτσι, η πρώτη, το πρόβλημα ταξινόμησης.

268
00:13:19,293 --> 00:13:23,590
Θα πω ότι αυτό το μέρος του σεμιναρίου
πρόκειται να είναι το πιο δύσκολο

269
00:13:23,590 --> 00:13:27,560
μόνο και μόνο επειδή υπάρχει μετάβαση
να είναι κάποια κωδικοποίηση.

270
00:13:27,560 --> 00:13:29,470
Αλλά πρόκειται να είναι Python.

271
00:13:29,470 --> 00:13:34,380
Ξέρω ότι εσείς δεν ξέρετε Python, έτσι
Είμαι ακριβώς πρόκειται να εξηγήσει την υψηλή

272
00:13:34,380 --> 00:13:35,750
επίπεδο αυτό που κάνω.

273
00:13:35,750 --> 00:13:40,900
Και δεν χρειάζεται να ενδιαφέρονται πραγματικά πάρα πολύ
πολύ για τη σύνταξη γιατί αυτό είναι

274
00:13:40,900 --> 00:13:42,140
κάτι που τα παιδιά μπορούν να μάθουν.

275
00:13:42,140 --> 00:13:42,540
Εντάξει;

276
00:13:42,540 --> 00:13:43,580
Ακούγεται καλό.

277
00:13:43,580 --> 00:13:46,020
>> Ποιο είναι λοιπόν το πρόβλημα ταξινόμησης;

278
00:13:46,020 --> 00:13:49,140
Έτσι, σας δίνεται κάποια στίχους για
ένα τραγούδι και θέλετε να μαντέψετε

279
00:13:49,140 --> 00:13:50,620
ποιος το τραγουδάει.

280
00:13:50,620 --> 00:13:54,045
Και αυτό μπορεί να είναι για οποιοδήποτε είδος
άλλα προβλήματα.

281
00:13:54,045 --> 00:13:59,980
Έτσι μπορεί να, για παράδειγμα, έχετε ένα
προεδρική εκστρατεία και έχετε ένα

282
00:13:59,980 --> 00:14:02,610
την ομιλία, και θέλετε να βρείτε
αν ήταν, για παράδειγμα,

283
00:14:02,610 --> 00:14:04,470
Ομπάμα ή Mitt Romney.

284
00:14:04,470 --> 00:14:07,700
Ή μπορείτε να έχετε μια δέσμη των emails και
θέλετε να καταλάβω αν είναι

285
00:14:07,700 --> 00:14:08,890
spam ή όχι.

286
00:14:08,890 --> 00:14:11,440
Έτσι είναι μόνο μερικά ταξινόμηση
δεδομένων με βάση τις λέξεις

287
00:14:11,440 --> 00:14:13,790
ότι έχετε εκεί.

288
00:14:13,790 --> 00:14:16,295
>> Έτσι για να το κάνουμε αυτό, θα πρέπει να
κάνουμε κάποιες υποθέσεις.

289
00:14:16,295 --> 00:14:20,570
Έτσι, πολλά για την υπολογιστική γλωσσολογία
κάνει υποθέσεις,

290
00:14:20,570 --> 00:14:24,100
Συνήθως είναι έξυπνο υποθέσεις, έτσι ώστε να
μπορείτε να πάρετε καλά αποτελέσματα.

291
00:14:24,100 --> 00:14:26,670
Προσπαθώντας να δημιουργήσει ένα μοντέλο για αυτό.

292
00:14:26,670 --> 00:14:31,290
Και στη συνέχεια να το δοκιμάσετε και να δούμε αν αυτό δουλεύει,
αν σας δίνει καλή ακρίβεια.

293
00:14:31,290 --> 00:14:33,940
Και αν το κάνει, τότε θα
προσπαθούμε να τη βελτιώσουμε.

294
00:14:33,940 --> 00:14:37,640
Αν δεν το κάνει, είστε όπως, εντάξει, ίσως να
θα πρέπει να κάνουν μια διαφορετική υπόθεση.

295
00:14:37,640 --> 00:14:44,030
>> Έτσι, η υπόθεση ότι θα πάμε να
κάνω είναι ότι ένας καλλιτέχνης συνήθως τραγουδά

296
00:14:44,030 --> 00:14:49,220
σχετικά με ένα θέμα πολλές φορές, και ίσως
χρησιμοποιεί λέξεις φορές πολλαπλάσιο, μόλις

297
00:14:49,220 --> 00:14:50,270
επειδή συνηθίσει σε αυτό.

298
00:14:50,270 --> 00:14:51,890
Μπορείτε να σκεφτείτε ακριβώς του φίλου σας.

299
00:14:51,890 --> 00:14:57,350
Είμαι βέβαιος ότι εσείς όλοι έχετε φίλους
που λένε φράση υπογραφή τους,

300
00:14:57,350 --> 00:14:59,260
κυριολεκτικά για κάθε φράση -

301
00:14:59,260 --> 00:15:02,660
όπως κάποια συγκεκριμένη λέξη ή κάποια συγκεκριμένη
φράση που λένε για

302
00:15:02,660 --> 00:15:04,020
κάθε πρόταση.

303
00:15:04,020 --> 00:15:07,920
>> Και αυτό που μπορούμε να πούμε είναι ότι αν δείτε
μια φράση που έχει μια υπογραφή

304
00:15:07,920 --> 00:15:11,450
φράση, μπορείτε να υποθέσετε ότι πιθανώς
ο φίλος σας είναι η

305
00:15:11,450 --> 00:15:13,310
κανείς δεν το λέει, σωστά;

306
00:15:13,310 --> 00:15:18,410
Έτσι θα κάνουμε αυτή την υπόθεση και στη συνέχεια
αυτό είναι το πώς μπορείτε να δημιουργήσετε ένα μοντέλο.

307
00:15:18,410 --> 00:15:24,440
>> Το παράδειγμα που είμαι πρόκειται να δώσει είναι
πώς Lady Gaga, για παράδειγμα, οι άνθρωποι

308
00:15:24,440 --> 00:15:27,430
λένε ότι χρησιμοποιεί «μωρό» για
όλα νούμερο ένα τα τραγούδια της.

309
00:15:27,430 --> 00:15:32,270
Και στην πραγματικότητα αυτό είναι ένα βίντεο που δείχνει
της, λέγοντας τη λέξη "baby" για

310
00:15:32,270 --> 00:15:33,410
διαφορετικά τραγούδια.

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

312
00:15:33,860 --> 00:15:34,310
>> - (ΤΡΑΓΟΥΔΙ) Baby.

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

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

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

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

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

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

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

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

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

322
00:15:40,850 --> 00:15:41,090
>> [ΤΕΛΟΣ VIDEO ΑΝΑΠΑΡΑΓΩΓΗ-

323
00:15:41,090 --> 00:15:44,020
>> LUCAS FREITAS: Έτσι υπάρχουν, νομίζω,
40 τραγούδια εδώ, στην οποία λέει το

324
00:15:44,020 --> 00:15:48,690
λέξη "baby". Έτσι, μπορείτε βασικά να μαντέψετε
ότι αν δείτε ένα τραγούδι που έχει

325
00:15:48,690 --> 00:15:52,180
η λέξη "baby", εκεί είναι κάποια υψηλή
πιθανότητα ότι η Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
Αλλά ας προσπαθήσουμε να αναπτύξουμε αυτό
ακόμη περισσότερο τυπικά.

327
00:15:56,450 --> 00:16:00,470
>> Έτσι, αυτά είναι στίχους για τραγούδια
Lady Gaga και η Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Έτσι θα δούμε Lady Gaga, θα βλέπουν
έχουν πολλά περιστατικά "baby", μια

329
00:16:04,120 --> 00:16:07,710
πολλά περιστατικά του «τρόπο». Και στη συνέχεια
Katy Perry έχει πολλά περιστατικά της

330
00:16:07,710 --> 00:16:10,360
"Η," πολλά περιστατικά «φωτιά».

331
00:16:10,360 --> 00:16:14,560
>> Έτσι, βασικά αυτό που θέλουμε να
κάνουμε είναι, μπορείτε να πάρετε μια λυρική.

332
00:16:14,560 --> 00:16:20,480
Ας πούμε ότι έχετε ένα λυρικό ποίημα για ένα
τραγούδι που είναι «το μωρό," μόνο "το μωρό." Αν

333
00:16:20,480 --> 00:16:24,750
μπορείτε να πάρετε μόνο τη λέξη "baby", και αυτό
είναι όλα τα δεδομένα που έχετε από

334
00:16:24,750 --> 00:16:27,880
Lady Gaga και η Katy Perry, ο οποίος θα
να μαντέψετε είναι το πρόσωπο

335
00:16:27,880 --> 00:16:29,370
που τραγουδά το τραγούδι;

336
00:16:29,370 --> 00:16:32,360
Lady Gaga ή η Katy Perry;

337
00:16:32,360 --> 00:16:33,150
Lady Gaga, σωστά;

338
00:16:33,150 --> 00:16:37,400
Επειδή αυτή είναι η μόνη που λέει
"Baby". Αυτό ακούγεται ανόητο, έτσι δεν είναι;

339
00:16:37,400 --> 00:16:38,760
Εντάξει, αυτό είναι πραγματικά εύκολο.

340
00:16:38,760 --> 00:16:41,860
Είμαι απλά κοιτάζοντας τα δύο τραγούδια και
Φυσικά, αυτή είναι η μόνη που έχει

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

342
00:16:42,660 --> 00:16:44,740
>> Αλλά τι εάν έχετε μια δέσμη των λέξεων;

343
00:16:44,740 --> 00:16:50,900
Εάν έχετε μια πραγματική λυρική, κάτι
όπως, "μωρό μου, απλά

344
00:16:50,900 --> 00:16:51,610
πήγε να δει ένα [; CFT?]

345
00:16:51,610 --> 00:16:54,020
διάλεξη, "ή κάτι τέτοιο, και
τότε πρέπει πραγματικά να καταλάβουμε -

346
00:16:54,020 --> 00:16:55,780
με βάση όλες αυτές τις λέξεις -

347
00:16:55,780 --> 00:16:58,350
ποιος είναι ο καλλιτέχνης που πιθανώς
τραγούδησε αυτό το τραγούδι;

348
00:16:58,350 --> 00:17:01,860
Οπότε ας προσπαθήσουμε να αναπτύξουμε
αυτό το λίγο περισσότερο.

349
00:17:01,860 --> 00:17:05,630
>> ΕΝΤΑΞΕΙ, έτσι βασίζεται μόνο στα δεδομένα που έχουμε
πήρε, φαίνεται ότι η Gaga είναι πιθανόν να

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

351
00:17:06,260 --> 00:17:07,904
Αλλά πώς μπορούμε να γράφουμε
αυτό πιο επίσημα;

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

353
00:17:10,579 --> 00:17:13,140
Και εκεί πρόκειται να είναι λίγο
bit των στατιστικών στοιχείων.

354
00:17:13,140 --> 00:17:15,880
Έτσι, αν χαθείτε, προσπαθήστε απλά
να κατανοήσουν την έννοια.

355
00:17:15,880 --> 00:17:18,700
Δεν έχει σημασία αν έχετε κατανοήσει
οι εξισώσεις πολύ καλά.

356
00:17:18,700 --> 00:17:22,150
Αυτό είναι όλο πρόκειται να είναι σε απευθείας σύνδεση.

357
00:17:22,150 --> 00:17:25,490
>> Έτσι, βασικά αυτό που είμαι υπολογισμού είναι η
πιθανότητα ότι αυτό το τραγούδι είναι από

358
00:17:25,490 --> 00:17:28,040
Lady Gaga, δεδομένου ότι -

359
00:17:28,040 --> 00:17:30,660
έτσι ώστε αυτή η γραμμή σημαίνει, δεδομένου ότι -

360
00:17:30,660 --> 00:17:33,680
Είδα τη λέξη "baby".
Μήπως αυτό έχει νόημα;

361
00:17:33,680 --> 00:17:35,540
Έτσι προσπαθώ να υπολογίσει
ότι η πιθανότητα.

362
00:17:35,540 --> 00:17:38,540
>> Υπάρχει, λοιπόν, αυτό το θεώρημα που ονομάζεται
Bayes θεώρημα που λέει ότι η

363
00:17:38,540 --> 00:17:43,330
πιθανότητα μια δεδομένη Β, είναι η
πιθανότητα B δοθεί Α, φορές το

364
00:17:43,330 --> 00:17:47,660
πιθανότητα Α, πάνω στην πιθανότητα
του Β. Αυτό είναι μια μεγάλη εξίσωση.

365
00:17:47,660 --> 00:17:51,970
Αλλά αυτό που πρέπει να καταλάβετε από
δηλαδή ότι αυτό είναι αυτό που θέλω να

366
00:17:51,970 --> 00:17:52,830
υπολογίσει, έτσι δεν είναι;

367
00:17:52,830 --> 00:17:56,570
Έτσι, η πιθανότητα ότι αυτό το τραγούδι είναι από
Lady Gaga, δεδομένου ότι είδα τη λέξη

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

369
00:17:58,230 --> 00:18:02,960
>> Και τώρα αυτό που παίρνω είναι το
πιθανότητα η λέξη "baby" που δίνεται

370
00:18:02,960 --> 00:18:04,390
ότι έχω Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
Και αυτό είναι που ουσιαστικά;

372
00:18:07,220 --> 00:18:10,500
Τι σημαίνει αυτό είναι, ποια είναι η
πιθανότητα του να δει τη λέξη "baby"

373
00:18:10,500 --> 00:18:12,130
σε στίχους Gaga;

374
00:18:12,130 --> 00:18:16,240
Αν θέλω να υπολογίζουν ότι σε ένα πολύ
απλό τρόπο, είναι ακριβώς ο αριθμός των

375
00:18:16,240 --> 00:18:23,640
φορές βλέπω "baby" επί του συνολικού αριθμού
των λέξεων σε στίχους Gaga, σωστά;

376
00:18:23,640 --> 00:18:27,600
Ποια είναι η συχνότητα που βλέπω
αυτή η λέξη στο έργο της Gaga;

377
00:18:27,600 --> 00:18:30,530
Νόημα;

378
00:18:30,530 --> 00:18:33,420
>> Ο δεύτερος όρος είναι η
πιθανότητα Gaga.

379
00:18:33,420 --> 00:18:34,360
Τι σημαίνει αυτό;

380
00:18:34,360 --> 00:18:38,550
Αυτό ουσιαστικά σημαίνει, ποια είναι η
πιθανότητα ταξινόμησης

381
00:18:38,550 --> 00:18:40,690
μερικοί στίχοι, όπως Gaga;

382
00:18:40,690 --> 00:18:45,320
Και αυτό είναι κάπως περίεργο, αλλά
Ας σκεφτούμε ένα παράδειγμα.

383
00:18:45,320 --> 00:18:49,230
Ας πούμε ότι η πιθανότητα
έχοντας «μωρό» σε ένα τραγούδι είναι το ίδιο

384
00:18:49,230 --> 00:18:51,760
για την Gaga και την Britney Spears.

385
00:18:51,760 --> 00:18:54,950
Αλλά η Britney Spears έχει δύο φορές
περισσότερα τραγούδια από Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Έτσι, αν κάποιος σας δίνει μόνο τυχαία
στίχους του "baby", το πρώτο πράγμα που

387
00:19:00,570 --> 00:19:04,710
εξετάσουμε είναι, ποια είναι η πιθανότητα της
έχοντας «μωρό» σε ένα τραγούδι Gaga, "baby"

388
00:19:04,710 --> 00:19:05,410
σε ένα τραγούδι Britney;

389
00:19:05,410 --> 00:19:06,460
Και είναι το ίδιο πράγμα.

390
00:19:06,460 --> 00:19:10,040
>> Έτσι, το δεύτερο πράγμα που θα δείτε είναι,
καλά, ποια είναι η πιθανότητα της

391
00:19:10,040 --> 00:19:13,770
αυτό το λυρικό ποίημα από μόνη της είναι ένα λυρικό Gaga,
και ποια είναι η πιθανότητα του

392
00:19:13,770 --> 00:19:15,380
είναι ένα λυρικό Britney;

393
00:19:15,380 --> 00:19:18,950
Έτσι, δεδομένου ότι η Britney έχει τόσα πολλά περισσότερα στίχους
από Gaga, τότε σίγουρα

394
00:19:18,950 --> 00:19:21,470
ας πούμε, καλά, αυτό είναι πιθανώς
λυρικός Britney.

395
00:19:21,470 --> 00:19:23,340
Έτσι, γι 'αυτό έχουμε αυτό το
θητεία εδώ.

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

397
00:19:24,670 --> 00:19:26,950
Έχει νόημα;

398
00:19:26,950 --> 00:19:28,660
Μήπως αυτό;

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

400
00:19:29,370 --> 00:19:33,500
>> Και το τελευταίο είναι μόνο η πιθανότητα
"baby", το οποίο δεν

401
00:19:33,500 --> 00:19:34,810
πραγματικά έχει τόσο μεγάλη σημασία.

402
00:19:34,810 --> 00:19:39,940
Αλλά είναι η πιθανότητα
βλέποντας «μωρό» στα αγγλικά.

403
00:19:39,940 --> 00:19:42,725
Εμείς συνήθως δεν με νοιάζει ότι
πολύ για αυτόν τον όρο.

404
00:19:42,725 --> 00:19:44,490
Μήπως αυτό έχει νόημα;

405
00:19:44,490 --> 00:19:48,110
Έτσι, η πιθανότητα Gaga είναι
ονομάζεται η εκ των προτέρων πιθανότητα

406
00:19:48,110 --> 00:19:49,530
της κατηγορίας Gaga.

407
00:19:49,530 --> 00:19:53,840
Διότι αυτό σημαίνει απλώς ότι, ποια είναι η
πιθανότητα να έχουν αυτή την κατηγορία -

408
00:19:53,840 --> 00:19:55,520
που είναι Gaga -

409
00:19:55,520 --> 00:19:59,350
μόνο σε γενικές γραμμές, ακριβώς
χωρίς άλλες προϋποθέσεις.

410
00:19:59,350 --> 00:20:02,560
>> Και στη συνέχεια, όταν έχω πιθανότητα
Gaga δοθεί «μωρό», λέμε συν

411
00:20:02,560 --> 00:20:06,160
Δακρυσμένα μια πιθανότητα επειδή είναι
η πιθανότητα να έχουν

412
00:20:06,160 --> 00:20:08,300
Gaga δώσει ορισμένες ενδείξεις.

413
00:20:08,300 --> 00:20:11,050
Γι 'αυτό σου δίνω τα στοιχεία
ότι είδα τη λέξη μωρό και

414
00:20:11,050 --> 00:20:12,690
το τραγούδι έχει νόημα;

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
>> Έτσι, Αν υπολογιστεί ότι για κάθε
από τα τραγούδια της Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
τι θα είναι -

419
00:20:25,916 --> 00:20:27,730
προφανώς, δεν μπορώ να το μετακινήσω.

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

421
00:20:31,850 --> 00:20:36,920
Η πιθανότητα της Gaga θα είναι
κάτι σαν, 2 άνω των 24 ετών, 1/2

422
00:20:36,920 --> 00:20:38,260
πάνω από 2 άνω των 53.

423
00:20:38,260 --> 00:20:40,640
Δεν έχει σημασία αν γνωρίζετε τι
οι αριθμοί αυτοί προέρχονται από.

424
00:20:40,640 --> 00:20:44,750
Αλλά είναι απλά ένας αριθμός που πρόκειται
να είναι περισσότερο από 0, σωστά;

425
00:20:44,750 --> 00:20:48,610
>> Και στη συνέχεια, όταν κάνω Katy Perry, ο
πιθανότητα "baby" που δίνεται Katy είναι

426
00:20:48,610 --> 00:20:49,830
ήδη 0, σωστά;

427
00:20:49,830 --> 00:20:52,820
Επειδή δεν υπάρχει "baby"
στην Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Έτσι, τότε αυτό γίνεται 0, και Gaga
νίκες, πράγμα που σημαίνει ότι η Gaga είναι

429
00:20:56,360 --> 00:20:57,310
ίσως η τραγουδίστρια.

430
00:20:57,310 --> 00:20:58,560
Μήπως αυτό έχει νόημα;

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
>> Έτσι, εάν θέλετε να κάνετε αυτό το πιο επίσημο,
Μπορώ να κάνω πραγματικότητα ένα μοντέλο

435
00:21:11,750 --> 00:21:12,700
πολλές λέξεις.

436
00:21:12,700 --> 00:21:14,610
Ας πούμε ότι έχω κάτι
όπως, "baby, είμαι

437
00:21:14,610 --> 00:21:16,030
φωτιά », ή κάτι τέτοιο.

438
00:21:16,030 --> 00:21:17,760
Γι 'αυτό έχει πολλές λέξεις.

439
00:21:17,760 --> 00:21:20,880
Και σε αυτή την περίπτωση, μπορείτε να δείτε
ότι «μωρό» είναι στην Gaga,

440
00:21:20,880 --> 00:21:21,710
αλλά δεν είναι σε Katy.

441
00:21:21,710 --> 00:21:24,940
Και "φωτιά" είναι στην Katy, αλλά
δεν είναι σε Gaga, σωστά;

442
00:21:24,940 --> 00:21:27,200
Γι 'αυτό είναι να πάρει πιο περίπλοκη, έτσι δεν είναι;

443
00:21:27,200 --> 00:21:31,440
Επειδή φαίνεται ότι σχεδόν
έχει μια σχέση μεταξύ των δύο.

444
00:21:31,440 --> 00:21:36,980
>> Έτσι, αυτό που έχετε να κάνετε είναι να υποθέσουμε
ανεξαρτησία μεταξύ των λέξεων.

445
00:21:36,980 --> 00:21:41,210
Έτσι, βασικά, τι σημαίνει αυτό είναι ότι
Είμαι απλά υπολογισμό ποια είναι η

446
00:21:41,210 --> 00:21:44,330
πιθανότητα να δει «μωρό», τι είναι
η πιθανότητα του να δει "Εγώ", και

447
00:21:44,330 --> 00:21:46,670
"Είμαι", και "για" και "φωτιά"
όλα ξεχωριστά.

448
00:21:46,670 --> 00:21:48,670
Τότε είμαι πολλαπλασιάζοντας όλα αυτά.

449
00:21:48,670 --> 00:21:52,420
Και βλέπω ποια είναι η πιθανότητα
να δει το σύνολο της ποινής.

450
00:21:52,420 --> 00:21:55,210
Νόημα;

451
00:21:55,210 --> 00:22:00,270
>> Έτσι, βασικά, αν έχω μόνο μια λέξη,
αυτό που θέλετε να βρείτε είναι το arg max,

452
00:22:00,270 --> 00:22:05,385
πράγμα που σημαίνει, ποια είναι η τάξη που είναι
που μου έδωσε τη μεγαλύτερη πιθανότητα;

453
00:22:05,385 --> 00:22:10,010
Έτσι ποια είναι η τάξη που δίνει
με την υψηλότερη πιθανότητα για

454
00:22:10,010 --> 00:22:11,940
πιθανότητα της τάξης δεδομένη λέξη.

455
00:22:11,940 --> 00:22:17,610
Έτσι, στην περίπτωση αυτή, δίνονται Gaga "baby".
Ή Katy δοθεί «μωρό». Νόημα;

456
00:22:17,610 --> 00:22:21,040
>> Και μόνο από Bayes, ότι
εξίσωση που μου έδειξε,

457
00:22:21,040 --> 00:22:24,780
έχουμε δημιουργήσει αυτό το κλάσμα.

458
00:22:24,780 --> 00:22:28,750
Το μόνο πράγμα είναι ότι μπορείτε να δείτε ότι
η πιθανότητα της λέξης, δεδομένης της

459
00:22:28,750 --> 00:22:31,370
ταξικές αλλαγές ανάλογα
με την κατηγορία, έτσι δεν είναι;

460
00:22:31,370 --> 00:22:34,260
Ο αριθμός των "baby" s που έχω
στην Gaga είναι διαφορετική από Katy.

461
00:22:34,260 --> 00:22:37,640
Η πιθανότητα της τάξης και
αλλαγές, επειδή είναι ακριβώς ο αριθμός

462
00:22:37,640 --> 00:22:39,740
τραγούδια το καθένα από αυτά έχει.

463
00:22:39,740 --> 00:22:43,980
>> Αλλά η πιθανότητα της ίδιας της λέξης
πρόκειται να είναι η ίδια για όλα τα

464
00:22:43,980 --> 00:22:44,740
καλλιτέχνες, έτσι δεν είναι;

465
00:22:44,740 --> 00:22:47,150
Έτσι, η πιθανότητα της λέξης είναι
ακριβώς, ποια είναι η πιθανότητα της

466
00:22:47,150 --> 00:22:49,820
βλέποντας αυτή τη λέξη στο
Αγγλική γλώσσα;

467
00:22:49,820 --> 00:22:51,420
Έτσι είναι το ίδιο για όλα αυτά.

468
00:22:51,420 --> 00:22:55,790
Έτσι, δεδομένου ότι αυτή είναι σταθερή, μπορούμε απλά
drop αυτό και δεν με νοιάζει γι 'αυτό.

469
00:22:55,790 --> 00:23:00,230
Έτσι, αυτό θα είναι στην πραγματικότητα η
εξίσωση που ψάχνουμε.

470
00:23:00,230 --> 00:23:03,360
>> Και αν έχω πολλές λέξεις, είμαι
ακόμα πρόκειται να έχουν εκ των προτέρων

471
00:23:03,360 --> 00:23:04,610
πιθανότητα εδώ.

472
00:23:04,610 --> 00:23:06,980
Το μόνο πράγμα είναι ότι είμαι πολλαπλασιασμό
η πιθανότητα

473
00:23:06,980 --> 00:23:08,490
όλες οι άλλες λέξεις.

474
00:23:08,490 --> 00:23:10,110
Έτσι είμαι πολλαπλασιάζοντας όλα αυτά.

475
00:23:10,110 --> 00:23:12,610
Νόημα;

476
00:23:12,610 --> 00:23:18,440
Φαίνεται παράξενο, αλλά ουσιαστικά σημαίνει,
υπολογίσει την προηγούμενη της κατηγορίας, και

477
00:23:18,440 --> 00:23:22,100
Στη συνέχεια πολλαπλασιάστε με την πιθανότητα της κάθε
από τις λέξεις που είναι σε αυτή την κατηγορία.

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

479
00:23:24,620 --> 00:23:29,150
>> Και ξέρετε ότι η πιθανότητα μιας
λέξη δοθεί τάξη θα πρέπει να είναι η

480
00:23:29,150 --> 00:23:34,520
πόσες φορές θα δείτε ότι η λέξη
ότι η τάξη, διαιρούμενο με τον αριθμό των

481
00:23:34,520 --> 00:23:37,020
λέξεις που έχετε σε αυτό
τάξης γενικά.

482
00:23:37,020 --> 00:23:37,990
Νόημα;

483
00:23:37,990 --> 00:23:41,680
Είναι ακριβώς πώς «μωρό» ήταν 2 πάνω
ο αριθμός των λέξεων που

484
00:23:41,680 --> 00:23:43,020
Είχα στους στίχους.

485
00:23:43,020 --> 00:23:45,130
Έτσι, μόλις η συχνότητα.

486
00:23:45,130 --> 00:23:46,260
>> Αλλά υπάρχει ένα πράγμα.

487
00:23:46,260 --> 00:23:51,250
Θυμηθείτε πώς ήταν που δείχνουν ότι το
πιθανότητα "baby" είναι οι στίχοι

488
00:23:51,250 --> 00:23:56,350
από την Katy Perry ήταν 0 μόνο και μόνο επειδή Katy
Perry δεν είχε «μωρό» σε όλα;

489
00:23:56,350 --> 00:24:04,900
Αλλά ακούγεται λίγο σκληρή για λίγο
απλά να πω ότι οι στίχοι δεν μπορεί να είναι από

490
00:24:04,900 --> 00:24:10,040
ένας καλλιτέχνης μόνο και μόνο επειδή δεν έχουν
η λέξη ειδικότερα οποιαδήποτε στιγμή.

491
00:24:10,040 --> 00:24:13,330
>> Έτσι θα μπορούσε απλώς να πω, καλά, αν
δεν έχουν αυτή τη λέξη, Πάω να

492
00:24:13,330 --> 00:24:15,640
σας δώσει μια μικρότερη πιθανότητα,
αλλά είμαι απλά δεν πρόκειται να

493
00:24:15,640 --> 00:24:17,420
να σας δώσω 0 αμέσως.

494
00:24:17,420 --> 00:24:21,040
Επειδή ίσως ήταν κάτι σαν,
"Φωτιά, φωτιά, φωτιά, φωτιά," η οποία είναι

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

496
00:24:21,990 --> 00:24:26,060
Και στη συνέχεια "baby", και πηγαίνει μόνο για να
0 αμέσως, διότι υπήρχε ένα

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

498
00:24:27,250 --> 00:24:31,440
>> Έτσι, ουσιαστικά αυτό που κάνουν είναι κάτι
Laplace ονομάζεται εξομάλυνση.

499
00:24:31,440 --> 00:24:36,260
Και αυτό σημαίνει απλά ότι δίνω
κάποια πιθανότητα ακόμα και τις λέξεις

500
00:24:36,260 --> 00:24:37,850
ότι δεν υπάρχουν.

501
00:24:37,850 --> 00:24:43,170
Έτσι, αυτό που κάνω είναι ότι, όταν είμαι
υπολογισμό αυτό, πάντα να προσθέσετε 1

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

503
00:24:44,180 --> 00:24:48,060
Έτσι, ακόμη και αν η λέξη αυτή δεν υπάρχει, σε
Στην περίπτωση αυτή, αν αυτό είναι 0, είμαι ακόμα

504
00:24:48,060 --> 00:24:51,250
υπολογισμό αυτό ως 1 πάνω από το
συνολικό αριθμό των λέξεων.

505
00:24:51,250 --> 00:24:55,060
Διαφορετικά, παίρνω πόσες λέξεις
Δεν έχω και μπορώ να προσθέσω 1.

506
00:24:55,060 --> 00:24:58,300
Έτσι Μετράω για τις δύο περιπτώσεις.

507
00:24:58,300 --> 00:25:00,430
Νόημα;

508
00:25:00,430 --> 00:25:03,060
>> Έτσι τώρα ας κάνουμε κάποια κωδικοποίηση.

509
00:25:03,060 --> 00:25:06,440
Πάω να πρέπει να το κάνουμε πολύ γρήγορα,
αλλά είναι ακριβώς σημαντικό να

510
00:25:06,440 --> 00:25:08,600
παιδιά να κατανοήσουν τις έννοιες.

511
00:25:08,600 --> 00:25:13,450
Έτσι, αυτό που προσπαθούμε να κάνουμε
Είναι ακριβώς αυτή η εφαρμογή

512
00:25:13,450 --> 00:25:14,330
πράγμα που μόλις είπα -

513
00:25:14,330 --> 00:25:19,110
Θέλω να δώσω στους στίχους από
Lady Gaga και η Katy Perry.

514
00:25:19,110 --> 00:25:22,980
Και το πρόγραμμα πρόκειται να είναι σε θέση να
πει εάν αυτά τα νέα λυρικά ποιήματα είναι από Gaga

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

516
00:25:24,170 --> 00:25:25,800
Νόημα;

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

518
00:25:27,530 --> 00:25:30,710
>> Έτσι, δεν έχω αυτό το πρόγραμμα Πάω
να καλέσει classify.py.

519
00:25:30,710 --> 00:25:31,970
Έτσι, αυτή είναι η Python.

520
00:25:31,970 --> 00:25:34,210
Είναι μια νέα γλώσσα προγραμματισμού.

521
00:25:34,210 --> 00:25:38,020
Είναι πολύ παρόμοια σε ορισμένα
τρόπους για την C και PHP.

522
00:25:38,020 --> 00:25:43,180
Είναι παρόμοιο γιατί αν θέλετε να
να μάθουν Python μετά γνωρίζοντας C, είναι

523
00:25:43,180 --> 00:25:46,270
πραγματικά δεν είναι ότι μεγάλη πρόκληση
μόνο και μόνο επειδή Python είναι πολύ πιο εύκολο

524
00:25:46,270 --> 00:25:47,520
από C, πρώτα απ 'όλα.

525
00:25:47,520 --> 00:25:49,370
Και πολλά πράγματα είναι ήδη
εφαρμοστεί για εσάς.

526
00:25:49,370 --> 00:25:56,820
Τόσο ακριβώς πώς όπως η PHP διαθέτει λειτουργίες που
ταξινομήσετε μια λίστα, ή να προσθέσετε κάτι

527
00:25:56,820 --> 00:25:58,780
σε μια σειρά, ή μπλα, μπλα, μπλα.

528
00:25:58,780 --> 00:26:00,690
Η Python έχει όλα αυτά, καθώς και.

529
00:26:00,690 --> 00:26:05,960
>> Έτσι, είμαι απλώς πρόκειται να εξηγήσω γρήγορα
πώς μπορούμε να κάνουμε την ταξινόμηση

530
00:26:05,960 --> 00:26:07,860
πρόβλημα εδώ.

531
00:26:07,860 --> 00:26:13,230
Έτσι, ας πούμε ότι σε αυτή την περίπτωση, έχω
στίχους από Gaga και Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Ο τρόπος που έχω αυτούς τους στίχους είναι ότι
η πρώτη λέξη των στίχων είναι

533
00:26:21,880 --> 00:26:25,250
το όνομα του καλλιτέχνη, και
το υπόλοιπο είναι οι στίχοι.

534
00:26:25,250 --> 00:26:29,470
Ας πούμε ότι έχω τον κατάλογο αυτό στην
οποία το πρώτο είναι σε στίχους του Gaga.

535
00:26:29,470 --> 00:26:31,930
Έτσι, εδώ είμαι στο σωστό δρόμο.

536
00:26:31,930 --> 00:26:35,270
Και το επόμενο είναι Katy, και
Έχει επίσης τους στίχους.

537
00:26:35,270 --> 00:26:38,040
>> Έτσι, αυτό είναι το πώς θα δηλώσουν
μια μεταβλητή στην Python.

538
00:26:38,040 --> 00:26:40,200
Δεν χρειάζεται να δώσει τον τύπο δεδομένων.

539
00:26:40,200 --> 00:26:43,150
Απλά γράψτε "στίχους"
το είδος του αρέσει στην PHP.

540
00:26:43,150 --> 00:26:44,890
Νόημα;

541
00:26:44,890 --> 00:26:47,770
>> Ποια είναι λοιπόν τα πράγματα που έχω να
υπολογίζουν να είναι σε θέση να υπολογίσει το

542
00:26:47,770 --> 00:26:49,360
πιθανότητες;

543
00:26:49,360 --> 00:26:55,110
Θα πρέπει να υπολογίσετε τις "ηγουμένων"
εκάστου των διαφόρων

544
00:26:55,110 --> 00:26:56,710
τάξεις που έχω.

545
00:26:56,710 --> 00:27:06,680
Θα πρέπει να υπολογίσετε τις "posteriors"
ή λίγο πολύ οι πιθανότητες

546
00:27:06,680 --> 00:27:12,150
κάθε μία από τις διαφορετικές λέξεις που
Μπορώ να έχω για κάθε καλλιτέχνη.

547
00:27:12,150 --> 00:27:17,210
Έτσι, μέσα Gaga, για παράδειγμα, Πάω
να έχουν μια λίστα για το πώς πολλές φορές βλέπω

548
00:27:17,210 --> 00:27:19,250
κάθε μία από τις λέξεις.

549
00:27:19,250 --> 00:27:20,760
Νόημα;

550
00:27:20,760 --> 00:27:25,370
>> Και τέλος, είμαι απλώς πρόκειται να έχουν
κατάλογο που ονομάζεται «λέξεις» που είναι ακριβώς πρόκειται

551
00:27:25,370 --> 00:27:29,780
να έχει πόσες λέξεις μπορώ
έχει για κάθε καλλιτέχνη.

552
00:27:29,780 --> 00:27:33,760
Έτσι, για Gaga, για παράδειγμα, όταν κοιτάζω
με τους στίχους, είχα, νομίζω, 24

553
00:27:33,760 --> 00:27:34,750
λέξεις συνολικά.

554
00:27:34,750 --> 00:27:38,970
Έτσι, ο κατάλογος αυτός είναι ακριβώς πρόκειται να έχουν
24 Gaga και Katy άλλο αριθμό.

555
00:27:38,970 --> 00:27:40,130
Νόημα;

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

557
00:27:40,560 --> 00:27:42,530
>> Έτσι, τώρα, στην πραγματικότητα, ας
πηγαίνετε στην κωδικοποίηση.

558
00:27:42,530 --> 00:27:45,270
Έτσι, Python, μπορείτε πραγματικά να
επιστρέψει μια δέσμη των διαφορετικών

559
00:27:45,270 --> 00:27:46,630
τα πράγματα από μια συνάρτηση.

560
00:27:46,630 --> 00:27:50,810
Έτσι, Πάω να δημιουργήσει αυτή τη λειτουργία
που ονομάζεται "υπό όρους", το οποίο πρόκειται

561
00:27:50,810 --> 00:27:53,890
να επιστρέψει όλα αυτά τα πράγματα, η
"Ηγουμένων», οι «πιθανότητες», και η

562
00:27:53,890 --> 00:28:05,690
«Λέξεις». Έτσι, «υπό όρους», και είναι
πρόκειται να τεθούν υπό "στίχους."

563
00:28:05,690 --> 00:28:11,510
>> Έτσι τώρα θέλω πραγματικά να
γράψω αυτή τη λειτουργία.

564
00:28:11,510 --> 00:28:17,750
Έτσι, ο τρόπος που μπορώ να γράψω αυτό
λειτουργία Απλά ορίζεται αυτό

565
00:28:17,750 --> 00:28:20,620
λειτουργούν με "def." Έτσι έκανα "def
υπό όρους, "και αυτό είναι που λαμβάνουν

566
00:28:20,620 --> 00:28:28,700
"Στίχους." Και τι είναι αυτό πρόκειται να κάνει
Είναι, πρώτα απ 'όλα, έχω priors μου

567
00:28:28,700 --> 00:28:31,030
ότι θέλετε να υπολογίσετε.

568
00:28:31,030 --> 00:28:34,330
>> Έτσι, ο τρόπος που μπορώ να το κάνετε αυτό είναι να δημιουργήσετε
λεξικό σε Python, που

569
00:28:34,330 --> 00:28:37,320
είναι λίγο πολύ το ίδιο πράγμα με ένα hash
πίνακα, ή σαν μια επαναληπτική

570
00:28:37,320 --> 00:28:40,480
array στην PHP.

571
00:28:40,480 --> 00:28:44,150
Αυτό είναι το πώς θα κηρύξει ένα λεξικό.

572
00:28:44,150 --> 00:28:53,580
Και βασικά αυτό σημαίνει ότι
ηγούμενοι της Gaga είναι 0,5, για παράδειγμα, αν

573
00:28:53,580 --> 00:28:57,200
50% των στίχων είναι από
Gaga, το 50% είναι από την Katy.

574
00:28:57,200 --> 00:28:58,450
Νόημα;

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

576
00:29:00,680 --> 00:29:03,680
Γι 'αυτό και πρέπει να καταλάβω πώς
για τον υπολογισμό των ηγουμένων.

577
00:29:03,680 --> 00:29:07,120
>> Οι επόμενες αυτά που έχω να κάνω, επίσης,
είναι οι πιθανότητες και οι λέξεις.

578
00:29:07,120 --> 00:29:17,100
Έτσι, οι πιθανότητες της Gaga είναι η λίστα
από όλες τις πιθανότητες που έχω

579
00:29:17,100 --> 00:29:19,160
πρέπει για κάθε μία από τις λέξεις Gaga.

580
00:29:19,160 --> 00:29:23,880
Έτσι, αν πάω σε πιθανότητες Gaga
"Baby", για παράδειγμα, αυτό θα μου δώσει

581
00:29:23,880 --> 00:29:28,750
κάτι σαν 2 πάνω από 24 στην εν λόγω υπόθεση.

582
00:29:28,750 --> 00:29:30,070
Νόημα;

583
00:29:30,070 --> 00:29:36,120
Γι 'αυτό πηγαίνετε στο "πιθανότητες", μεταβείτε στην
"Gaga" κουβά που έχει μια λίστα με όλα

584
00:29:36,120 --> 00:29:40,550
οι λέξεις Gaga, τότε πηγαίνετε στο "μωρό"
και βλέπω την πιθανότητα.

585
00:29:40,550 --> 00:29:45,940
>> Και τέλος, έχω αυτό
"Λέξεις" λεξικό.

586
00:29:45,940 --> 00:29:53,620
Έτσι, εδώ, "πιθανότητες." Και στη συνέχεια
«Λέξεις». Έτσι, αν το κάνω "λέξεις", "Gaga"

587
00:29:53,620 --> 00:29:58,330
τι πρόκειται να συμβεί είναι ότι είναι
πρόκειται να μου δώσει 24, λέγοντας ότι

588
00:29:58,330 --> 00:30:01,990
έχουν 24 λέξεις μέσα από τους στίχους Gaga.

589
00:30:01,990 --> 00:30:04,110
Έχει νόημα;

590
00:30:04,110 --> 00:30:07,070
Έτσι, εδώ, «λέξεις» ισούται Ντα-ντα-ντα.

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

592
00:30:07,620 --> 00:30:12,210
>> Λοιπόν, τι Πάω να κάνουμε είναι να πάω να
επαναλάβει σε καθένα από τους στίχους, έτσι

593
00:30:12,210 --> 00:30:14,490
κάθε μία από τις χορδές που
Έχω στη λίστα.

594
00:30:14,490 --> 00:30:18,040
Και Πάω να υπολογίσει αυτά τα πράγματα
για κάθε ένα από τους υποψηφίους.

595
00:30:18,040 --> 00:30:19,950
Έχει νόημα;

596
00:30:19,950 --> 00:30:21,700
Γι 'αυτό πρέπει να κάνουμε ένα βρόχο.

597
00:30:21,700 --> 00:30:26,300
>> Έτσι, Python, τι μπορώ να κάνω είναι "για τη γραμμή
στους στίχους. "Το ίδιο πράγμα με ένα

598
00:30:26,300 --> 00:30:28,000
"Για κάθε" δήλωση στην PHP.

599
00:30:28,000 --> 00:30:33,420
Θυμηθείτε πως αν ήταν PHP θα μπορούσα
λένε «για κάθε στίχους

600
00:30:33,420 --> 00:30:35,220
γραμμή. "Έχει νόημα;

601
00:30:35,220 --> 00:30:38,900
Έτσι παίρνω κάθε μία από τις γραμμές, σε αυτό το
την περίπτωση, αυτή η συμβολοσειρά και το επόμενο

602
00:30:38,900 --> 00:30:44,540
κορδόνι για καθεμία από τις γραμμές αυτό που είμαι
πρόκειται να κάνουμε είναι η πρώτη, Πάω να

603
00:30:44,540 --> 00:30:49,150
χωρίσει αυτή τη γραμμή σε μια λίστα
λέξεις χωρισμένες με κενά.

604
00:30:49,150 --> 00:30:53,730
>> Έτσι, το δροσερό πράγμα για την Python είναι ότι
θα μπορούσατε απλά Google, όπως «πώς μπορώ να

605
00:30:53,730 --> 00:30:58,220
χωρίσει ένα string σε λέξεις; "Και είναι
πρόκειται να σας πω πώς να το κάνουμε.

606
00:30:58,220 --> 00:31:04,890
Και ο τρόπος για να το κάνουμε, είναι ακριβώς "γραμμή
= Line.split () "και είναι ουσιαστικά

607
00:31:04,890 --> 00:31:08,640
πρόκειται να σας δώσει μια λίστα με
καθεμία από τις λέξεις εδώ.

608
00:31:08,640 --> 00:31:09,620
Έχει νόημα;

609
00:31:09,620 --> 00:31:15,870
Έτσι, τώρα που έκανα ότι θέλω να ξέρω
ποιος είναι ο τραγουδιστής του τραγουδιού.

610
00:31:15,870 --> 00:31:20,130
Και για να το κάνουμε αυτό έχω μόνο να πάρει το
το πρώτο στοιχείο του πίνακα, έτσι δεν είναι;

611
00:31:20,130 --> 00:31:26,390
Έτσι μπορώ να πω ότι έχω "τραγουδιστής
= Γραμμή (0) "Έχει νόημα;

612
00:31:26,390 --> 00:31:32,010
>> Και τότε τι πρέπει να κάνω είναι, πρώτα απ '
όλα, Πάω να ενημερώσει πόσοι

613
00:31:32,010 --> 00:31:36,130
τα λόγια που έχω στο "Gaga". έτσι είμαι απλά
πρόκειται να υπολογίσει πόσες λέξεις I

614
00:31:36,130 --> 00:31:38,690
έχουν σε αυτή τη λίστα, έτσι δεν είναι;

615
00:31:38,690 --> 00:31:41,910
Επειδή αυτό είναι πόσες λέξεις έχω
στους στίχους και είμαι απλώς πρόκειται να

616
00:31:41,910 --> 00:31:44,120
προσθέσετε στη "Gaga" συστοιχία.

617
00:31:44,120 --> 00:31:47,090
Μήπως αυτό έχει νόημα;

618
00:31:47,090 --> 00:31:49,010
Μην εστιάζετε υπερβολικά στη σύνταξη.

619
00:31:49,010 --> 00:31:50,430
Σκεφτείτε περισσότερα σχετικά με τις έννοιες.

620
00:31:50,430 --> 00:31:52,400
Αυτό είναι το πιο σημαντικό μέρος.

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

622
00:31:52,720 --> 00:32:00,260
>> Έτσι, αυτό που μπορώ να κάνω είναι αν «Gaga» είναι
ήδη στον εν λόγω κατάλογο, έτσι ώστε «αν τραγουδιστής

623
00:32:00,260 --> 00:32:03,190
λέξεις "που σημαίνει ότι έχω ήδη
έχουν λέξεις Gaga.

624
00:32:03,190 --> 00:32:06,640
Θέλω απλά να προσθέσετε το πρόσθετο
λέξεις σε αυτό.

625
00:32:06,640 --> 00:32:15,810
Έτσι, αυτό που κάνω είναι "λέξεις (τραγουδιστής)
+ = Len (γραμμή) - 1 ".

626
00:32:15,810 --> 00:32:18,250
Και τότε μπορώ να κάνω ακριβώς το
μήκος της γραμμής.

627
00:32:18,250 --> 00:32:21,860
Πώς, λοιπόν, πολλά στοιχεία που
έχουν στη συστοιχία.

628
00:32:21,860 --> 00:32:27,060
Και έχω να κάνω μείον 1 μόνο και μόνο επειδή
το πρώτο στοιχείο του πίνακα είναι μόνο

629
00:32:27,060 --> 00:32:29,180
τραγουδιστής και εκείνων που δεν είναι στίχοι.

630
00:32:29,180 --> 00:32:31,420
Έχει νόημα;

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

632
00:32:32,780 --> 00:32:35,820
>> "Διαφορετικά", αυτό σημαίνει ότι θέλω πραγματικά να
εισάγετε Gaga στη λίστα.

633
00:32:35,820 --> 00:32:45,990
Γι 'αυτό ακριβώς κάνει "λέξεις (τραγουδιστής)
= Len (γραμμή) - 1, "συγγνώμη.

634
00:32:45,990 --> 00:32:49,200
Έτσι, η μόνη διαφορά μεταξύ των δύο
γραμμές είναι ότι αυτό το ένα, δεν το κάνει

635
00:32:49,200 --> 00:32:51,080
υπάρχει ακόμα, οπότε είμαι απλά
αρχικοποίησή.

636
00:32:51,080 --> 00:32:53,820
Αυτός είμαι πραγματικά προσθήκη.

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

638
00:32:55,570 --> 00:32:59,480
Έτσι, αυτό ήταν η προσθήκη στα λόγια.

639
00:32:59,480 --> 00:33:03,040
>> Τώρα θέλω να προσθέσω στα priors.

640
00:33:03,040 --> 00:33:05,480
Λοιπόν, πώς μπορώ να υπολογίσω τις priors;

641
00:33:05,480 --> 00:33:11,580
Μπορούν να υπολογίζονται και οι ηγούμενοι
από το πόσες φορές.

642
00:33:11,580 --> 00:33:15,340
Έτσι, πόσες φορές θα δείτε ότι τραγουδιστής
μεταξύ όλων των τραγουδιστών που

643
00:33:15,340 --> 00:33:16,380
έχουν, έτσι δεν είναι;

644
00:33:16,380 --> 00:33:18,810
Έτσι, για την Gaga και η Katy Perry,
σε αυτή την περίπτωση, βλέπω Gaga

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

646
00:33:20,570 --> 00:33:23,320
>> Έτσι, ουσιαστικά οι ηγούμενοι για Gaga
και για την Katy Perry θα

647
00:33:23,320 --> 00:33:24,390
απλά να είναι ένα, έτσι δεν είναι;

648
00:33:24,390 --> 00:33:26,500
Απλά πόσες φορές
Βλέπω τον καλλιτέχνη.

649
00:33:26,500 --> 00:33:28,740
Έτσι, αυτό είναι πολύ εύκολο να υπολογιστεί.

650
00:33:28,740 --> 00:33:34,100
Μπορώ ακριβώς κάτι παρόμοιο σαν «εάν
τραγουδιστής σε priors, "Είμαι ακριβώς πρόκειται

651
00:33:34,100 --> 00:33:38,970
να προσθέσετε 1 έως ηγούμενοι κουτί τους.

652
00:33:38,970 --> 00:33:51,000
Έτσι, «οι ηγούμενοι (τραγουδούν)" + = 1 "και στη συνέχεια" αλλιώς "
Πάω να κάνω "priors (τραγουδιστής)

653
00:33:51,000 --> 00:33:55,000
= 1. "Έχει νόημα;

654
00:33:55,000 --> 00:34:00,080
>> Έτσι, αν δεν υπάρχει έβαλα ακριβώς
το 1, αλλιώς απλά προσθέστε 1.

655
00:34:00,080 --> 00:34:11,280
ΕΝΤΑΞΕΙ, έτσι τώρα το μόνο που μου έχει μείνει να κάνω
είναι επίσης να προσθέσετε κάθε μία από τις λέξεις για να το

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

657
00:34:12,290 --> 00:34:14,889
Γι 'αυτό πρέπει να μετρήσει πόσες φορές
Βλέπω κάθε μία από τις λέξεις.

658
00:34:14,889 --> 00:34:18,780
Γι 'αυτό ακριβώς πρέπει να κάνουμε άλλο
βρόχος for στην γραμμή.

659
00:34:18,780 --> 00:34:25,190
>> Έτσι το πρώτο πράγμα που Πάω να κάνουμε είναι να
ελέγξτε αν ο τραγουδιστής έχει ήδη

660
00:34:25,190 --> 00:34:26,969
πιθανότητες πίνακα.

661
00:34:26,969 --> 00:34:31,739
Έτσι Φεύγω αν ο τραγουδιστής δεν
έχουν μια σειρά πιθανοτήτων, είμαι απλά

662
00:34:31,739 --> 00:34:34,480
πρόκειται να προετοιμαστεί για αυτούς.

663
00:34:34,480 --> 00:34:36,400
Δεν είναι καν μια σειρά, συγγνώμη,
Είναι ένα λεξικό.

664
00:34:36,400 --> 00:34:43,080
Έτσι, οι πιθανότητες του τραγουδιστή πρόκειται
να είναι μια ανοιχτή λεξικό, έτσι είμαι

665
00:34:43,080 --> 00:34:45,830
ακριβώς την προετοιμασία μιας λεξικό για αυτό.

666
00:34:45,830 --> 00:34:46,820
Εντάξει;

667
00:34:46,820 --> 00:34:58,330
>> Και τώρα μπορώ να κάνω πραγματικότητα ένα βρόχο
για τον υπολογισμό κάθε ένα από τις λέξεις "

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

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

670
00:35:01,540 --> 00:35:04,160
Έτσι, αυτό που μπορώ να κάνω είναι ένα βρόχο.

671
00:35:04,160 --> 00:35:06,590
Έτσι, είμαι απλώς πρόκειται να μετακινηθείτε
πάνω από τη συστοιχία.

672
00:35:06,590 --> 00:35:15,320
Έτσι, ο τρόπος που μπορώ να το κάνω αυτό στην Python
είναι "για το i in range." Από 1

673
00:35:15,320 --> 00:35:19,200
γιατί θέλω να ξεκινήσει το δεύτερο
στοιχείο, επειδή το πρώτο είναι η

674
00:35:19,200 --> 00:35:20,260
όνομα τραγουδιστή.

675
00:35:20,260 --> 00:35:24,990
Έτσι, από το ένα μέχρι το
μήκος της γραμμής.

676
00:35:24,990 --> 00:35:29,760
Και όταν κάνω κυμαίνονται πραγματικά να πάει από
όπως εδώ, από την 1η έως τζαμάκι της

677
00:35:29,760 --> 00:35:30,740
γραμμή μείον 1.

678
00:35:30,740 --> 00:35:33,810
Έτσι, το κάνει ήδη αυτό το πράγμα να γίνει
n μείον 1 για συστοιχίες που είναι πολύ

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

680
00:35:35,500 --> 00:35:37,850
Έχει νόημα;

681
00:35:37,850 --> 00:35:42,770
>> Έτσι, για κάθε ένα από αυτά, τι Πάω να
κάνουμε είναι, ακριβώς όπως και στην άλλη,

682
00:35:42,770 --> 00:35:50,320
Πάω να ελέγξετε αν η λέξη αυτή
θέση στην γραμμή είναι ήδη

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

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

685
00:35:53,400 --> 00:35:57,260
Και τότε, όπως είπα και εδώ, οι πιθανότητες
λέξεις, όπως το έβαλα

686
00:35:57,260 --> 00:35:58,400
"Πιθανοτήτων (τραγουδιστής)".

687
00:35:58,400 --> 00:35:59,390
Έτσι, το όνομα του τραγουδιστή.

688
00:35:59,390 --> 00:36:03,450
Έτσι, αν είναι ήδη σε
"Probabilit (τραγουδιστής)", αυτό σημαίνει ότι

689
00:36:03,450 --> 00:36:11,960
θέλετε να προσθέσετε 1 σε αυτό, έτσι είμαι πρόκειται να
κάνει "πιθανοτήτων (τραγουδιστής)», και η

690
00:36:11,960 --> 00:36:14,100
λέξη ονομάζεται "γραμμή (θ)".

691
00:36:14,100 --> 00:36:22,630
Πάω να προσθέσετε 1 και "αλλιώς" Είμαι απλά
πρόκειται να γίνει η προετοιμασία για την 1.

692
00:36:22,630 --> 00:36:23,880
"Line (i)".

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

694
00:36:26,920 --> 00:36:28,420
Έχει νόημα;

695
00:36:28,420 --> 00:36:30,180
>> Έτσι, υπολογίζεται το σύνολο των συστοιχιών.

696
00:36:30,180 --> 00:36:36,580
Έτσι, τώρα το μόνο που έχω να κάνω για
αυτό είναι ακριβώς "επιστροφή priors,

697
00:36:36,580 --> 00:36:43,230
πιθανότητες και τις λέξεις. "Ας
δείτε αν υπάρχουν, OK.

698
00:36:43,230 --> 00:36:45,690
Φαίνεται ότι τα πάντα λειτουργεί μέχρι σήμερα.

699
00:36:45,690 --> 00:36:46,900
Έτσι, αυτό έχει νόημα;

700
00:36:46,900 --> 00:36:47,750
Κατά κάποιο τρόπο;

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

702
00:36:49,280 --> 00:36:51,980
Έτσι, τώρα έχω όλες τις πιθανότητες.

703
00:36:51,980 --> 00:36:55,100
Έτσι τώρα το μόνο πράγμα που μου έχει απομείνει
είναι απλά για να έχουν αυτό το πράγμα που

704
00:36:55,100 --> 00:36:58,650
υπολογίζει το γινόμενο όλων των
πιθανοτήτων όταν παίρνω τους στίχους.

705
00:36:58,650 --> 00:37:06,270
>> Ας πούμε ότι θέλω να καλέσω τώρα
Αυτή η λειτουργία "ταξινομούν ()" και το

706
00:37:06,270 --> 00:37:08,880
πράγμα που παίρνει τη λειτουργία
είναι απλά ένα επιχείρημα.

707
00:37:08,880 --> 00:37:13,170
Ας πούμε "Baby, είμαι φωτιά" και είναι
πρόκειται να καταλάβω ποια είναι η

708
00:37:13,170 --> 00:37:14,490
πιθανότητα ότι αυτό είναι Gaga;

709
00:37:14,490 --> 00:37:16,405
Ποια είναι η πιθανότητα
ότι αυτή είναι η Katie;

710
00:37:16,405 --> 00:37:19,690
Ακούγεται καλό;

711
00:37:19,690 --> 00:37:25,750
Έτσι, είμαι απλώς πρόκειται να πρέπει να δημιουργήσετε ένα
νέα λειτουργία που ονομάζεται "ταξινομούν ()" και

712
00:37:25,750 --> 00:37:29,180
πρόκειται να πάρει κάποιο
στίχους, καθώς και.

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

714
00:37:31,790 --> 00:37:36,160
Και εκτός από τους στίχους επίσης
πρέπει να στείλετε τα priors, η

715
00:37:36,160 --> 00:37:37,700
πιθανότητες και οι λέξεις.

716
00:37:37,700 --> 00:37:44,000
Έτσι, Πάω να στείλει στίχους, priors,
πιθανοτήτων, λόγια.

717
00:37:44,000 --> 00:37:51,840
>> Έτσι, αυτό παίρνει στίχους, priors,
πιθανοτήτων, λόγια.

718
00:37:51,840 --> 00:37:53,530
Έτσι, τι κάνει;

719
00:37:53,530 --> 00:37:57,180
Είναι βασικά πρόκειται να περάσουν από όλα
οι πιθανοί υποψήφιοι που θα

720
00:37:57,180 --> 00:37:58,510
έχουν ως τραγουδιστής.

721
00:37:58,510 --> 00:37:59,425
Και πού είναι οι υποψήφιοι;

722
00:37:59,425 --> 00:38:01,020
Είναι Στις priors, σωστά;

723
00:38:01,020 --> 00:38:02,710
Έτσι έχω όλα αυτά εκεί.

724
00:38:02,710 --> 00:38:07,870
Έτσι, Πάω να έχουμε ένα λεξικό
όλων των πιθανών υποψηφίων.

725
00:38:07,870 --> 00:38:14,220
Και στη συνέχεια, για κάθε υποψήφιο στην
ηγουμένων, οπότε αυτό σημαίνει ότι πρόκειται να

726
00:38:14,220 --> 00:38:17,740
να Gaga, Katie αν είχα
περισσότερο θα ήταν περισσότερο.

727
00:38:17,740 --> 00:38:20,410
Πάω να αρχίσουν να υπολογίζουν
αυτή η πιθανότητα.

728
00:38:20,410 --> 00:38:28,310
Η πιθανότητα όπως είδαμε στην
PowerPoint είναι οι προηγούμενες φορές το

729
00:38:28,310 --> 00:38:30,800
προϊόν καθενός από τα
άλλες πιθανότητες.

730
00:38:30,800 --> 00:38:32,520
>> Έτσι, μπορώ να κάνω το ίδιο και εδώ.

731
00:38:32,520 --> 00:38:36,330
Δεν μπορώ ακριβώς να κάνω πιθανότητα είναι
αρχικά μόνο η προηγούμενη.

732
00:38:36,330 --> 00:38:40,340
Έτσι, ηγούμενοι του υποψηφίου.

733
00:38:40,340 --> 00:38:40,870
Σωστά;

734
00:38:40,870 --> 00:38:45,360
Και τώρα έχω να επαναλάβετε σε όλους η
λέξεις που έχω τους στίχους να είναι

735
00:38:45,360 --> 00:38:48,820
μπορείτε να προσθέσετε την πιθανότητα
για καθένα από αυτά, εντάξει;

736
00:38:48,820 --> 00:38:57,900
Έτσι, "για τη λέξη σε στίχους" τι Πάω
να κάνουμε είναι, εάν η λέξη είναι σε

737
00:38:57,900 --> 00:39:01,640
"Πιθανοτήτων (υποψήφιος)", η οποία
σημαίνει ότι είναι μια λέξη που ο

738
00:39:01,640 --> 00:39:03,640
υποψήφιος έχει στους στίχους τους -

739
00:39:03,640 --> 00:39:05,940
για παράδειγμα, "baby" για Gaga -

740
00:39:05,940 --> 00:39:11,710
τι Πάω να κάνουμε είναι ότι η
πιθανότητα πρόκειται να πολλαπλασιαστεί

741
00:39:11,710 --> 00:39:22,420
από 1 συν οι πιθανότητες
ο υποψήφιος για αυτή τη λέξη.

742
00:39:22,420 --> 00:39:25,710
Και αυτό λέγεται "λέξη".

743
00:39:25,710 --> 00:39:32,440
Αυτό διαιρούμενο με τον αριθμό των λέξεων
που έχω για τον εν λόγω υποψήφιο.

744
00:39:32,440 --> 00:39:37,450
Ο συνολικός αριθμός των λέξεων που έχω
για τον τραγουδιστή που κοιτάω.

745
00:39:37,450 --> 00:39:40,290
>> «Αλλιώς». αυτό σημαίνει ότι είναι μια νέα λέξη
έτσι θα ήθελα να είναι όπως, για παράδειγμα,

746
00:39:40,290 --> 00:39:41,860
"Φωτιά" για την Lady Gaga.

747
00:39:41,860 --> 00:39:45,760
Γι 'αυτό ακριβώς θέλουν να κάνουν πάνω από 1
"Λέξη (υποψήφιος)".

748
00:39:45,760 --> 00:39:47,710
Γι 'αυτό και δεν θέλει να βάλει ο όρος αυτός εδώ.

749
00:39:47,710 --> 00:39:50,010
>> Γι 'αυτό πρόκειται να είναι ουσιαστικά
αντιγραφή και επικόλληση αυτό.

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

751
00:39:54,380 --> 00:39:56,000
Αλλά Πάω να διαγράψετε αυτό το μέρος.

752
00:39:56,000 --> 00:39:57,610
Γι 'αυτό ακριβώς πρόκειται να είναι πάνω από 1 αυτό.

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

754
00:40:00,900 --> 00:40:02,150
Ακούγεται καλό;

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

756
00:40:03,980 --> 00:40:09,700
Και τώρα στο τέλος, είμαι απλώς πρόκειται να
εκτυπώσετε το όνομα του υποψηφίου και

757
00:40:09,700 --> 00:40:15,750
η πιθανότητα που έχετε της
έχοντας το S για τους στίχους τους.

758
00:40:15,750 --> 00:40:16,200
Έχει νόημα;

759
00:40:16,200 --> 00:40:18,390
Και εγώ πραγματικά δεν χρειάζεται καν
Πρέπει αυτό το λεξικό.

760
00:40:18,390 --> 00:40:19,510
Έχει νόημα;

761
00:40:19,510 --> 00:40:21,810
>> Έτσι, ας δούμε αν αυτό λειτουργεί πραγματικά.

762
00:40:21,810 --> 00:40:24,880
Έτσι, αν το τρέχω, δεν λειτούργησε.

763
00:40:24,880 --> 00:40:26,130
Περιμένετε ένα δευτερόλεπτο.

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

765
00:40:28,870 --> 00:40:31,720
"Λόγια (υποψήφιος)", "λέξεις (υποψήφιος)",
αυτό είναι

766
00:40:31,720 --> 00:40:33,750
το όνομα της συστοιχίας.

767
00:40:33,750 --> 00:40:41,435
Εντάξει λοιπόν, λέει ότι υπάρχει κάποιο bug
για τις υποψήφιες σε priors.

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

769
00:40:46,300 --> 00:40:48,760
Επιτρέψτε μου να χαλαρώσω λίγο.

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

771
00:40:50,360 --> 00:40:51,305
Ας προσπαθήσουμε.

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

773
00:40:51,720 --> 00:40:58,710
>> Γι 'αυτό δίνει Katy Perry έχει αυτό
πιθανότητα αυτού φορές 10 έως το

774
00:40:58,710 --> 00:41:02,200
μείον 7, και αυτό έχει Gaga
10 φορές με το μείον 6.

775
00:41:02,200 --> 00:41:05,610
Βλέπετε λοιπόν δείχνει ότι Gaga
έχει μια μεγαλύτερη πιθανότητα.

776
00:41:05,610 --> 00:41:09,260
Έτσι, "Μωρό μου, είμαι on Fire" είναι
ίσως ένα τραγούδι Gaga.

777
00:41:09,260 --> 00:41:10,580
Έχει νόημα;

778
00:41:10,580 --> 00:41:12,030
Έτσι, αυτό είναι ό, τι κάναμε.

779
00:41:12,030 --> 00:41:16,010
>> Αυτός ο κωδικός θα πρέπει να δημοσιεύονται στο διαδίκτυο,
έτσι εσείς μπορείτε να ελέγξετε έξω.

780
00:41:16,010 --> 00:41:20,720
Ίσως χρησιμοποιήσετε κάποια από αυτό, αν θέλετε να
κάνει ένα έργο ή κάτι παρόμοιο.

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

782
00:41:22,150 --> 00:41:25,930
Αυτό ήταν ακριβώς να δείξει
τι υπολογιστική

783
00:41:25,930 --> 00:41:27,230
Κωδικός γλωσσολογία μοιάζει.

784
00:41:27,230 --> 00:41:33,040
Αλλά τώρα ας πάμε σε πιο
πράγματα υψηλού επιπέδου.

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

786
00:41:33,340 --> 00:41:35,150
>> Έτσι, τα άλλα προβλήματα που
μιλούσε για -

787
00:41:35,150 --> 00:41:37,550
το πρόβλημα του κατακερματισμού
είναι το πρώτο από αυτά.

788
00:41:37,550 --> 00:41:40,820
Έτσι έχετε εδώ ιαπωνική γλώσσα.

789
00:41:40,820 --> 00:41:43,420
Και τότε θα δείτε ότι
δεν υπάρχουν κενά διαστήματα.

790
00:41:43,420 --> 00:41:49,110
Έτσι, αυτό είναι βασικά σημαίνει ότι είναι
η κορυφή της καρέκλας, έτσι δεν είναι;

791
00:41:49,110 --> 00:41:50,550
Θα μιλούν ιαπωνικά;

792
00:41:50,550 --> 00:41:52,840
Είναι η κορυφή της καρέκλας, έτσι δεν είναι;

793
00:41:52,840 --> 00:41:54,480
>> ΦΟΙΤΗΤΗΣ: Δεν ξέρω τι
το kanji εκεί είναι.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS FREITAS: Είναι [ΟΜΙΛΙΑ ΙΑΠΩΝΙΚΗ]

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

796
00:41:57,950 --> 00:42:00,960
Έτσι, αυτό σημαίνει βασικά πρόεδρος της κορυφής.

797
00:42:00,960 --> 00:42:03,620
Έτσι, αν έπρεπε να βάλει ένα χώρο
θα ήταν εδώ.

798
00:42:03,620 --> 00:42:05,970
Και τότε θα πρέπει [? Ueda-san. ?]

799
00:42:05,970 --> 00:42:09,040
Το οποίο ουσιαστικά σημαίνει ότι ο κ. Ueda.

800
00:42:09,040 --> 00:42:13,180
Και βλέπετε ότι «Ueda» και έχετε ένα
χώρο και στη συνέχεια "san." Έτσι, θα δείτε ότι

801
00:42:13,180 --> 00:42:15,470
εδώ "Ue" είναι σαν από μόνη της.

802
00:42:15,470 --> 00:42:17,750
Και εδώ έχει χαρακτήρα
δίπλα σε αυτό.

803
00:42:17,750 --> 00:42:21,720
>> Έτσι, δεν είναι όπως σε αυτές τις γλώσσες
χαρακτήρες που σημαίνει μια λέξη που, έτσι ώστε να

804
00:42:21,720 --> 00:42:23,980
απλά βάλτε πολλά κενά.

805
00:42:23,980 --> 00:42:25,500
Χαρακτήρες σχετίζονται μεταξύ τους.

806
00:42:25,500 --> 00:42:28,680
Και μπορεί να είναι μαζί
σαν δύο, τρεις, ένα.

807
00:42:28,680 --> 00:42:34,520
Έτσι, μπορείτε πραγματικά να δημιουργήσει κάποιο είδος
του τρόπου βάζοντας αυτούς τους χώρους.

808
00:42:34,520 --> 00:42:38,850
>> Και αυτό το πράγμα είναι ότι κάθε φορά που θα πάρετε
δεδομένα από τις ασιατικές γλώσσες,

809
00:42:38,850 --> 00:42:40,580
ό, τι έρχεται συνοστέωσης.

810
00:42:40,580 --> 00:42:45,940
Επειδή κανείς που γράφει Ιαπωνικά
ή κινέζικα γράφει με κενά.

811
00:42:45,940 --> 00:42:48,200
Κάθε φορά που γράφεις κινέζικα,
Ιαπωνικά μπορείτε απλά να γράψετε τα πάντα

812
00:42:48,200 --> 00:42:48,710
χωρίς κενά.

813
00:42:48,710 --> 00:42:52,060
Δεν έχει καν νόημα
να θέσει χώρους.

814
00:42:52,060 --> 00:42:57,960
Έτσι, στη συνέχεια, όταν μπορείτε να πάρετε τα στοιχεία από, μερικά
Γλώσσα της Ανατολικής Ασίας, αν θέλετε να

815
00:42:57,960 --> 00:43:00,760
πραγματικά να κάνουμε κάτι με αυτό
έχετε στο τμήμα του πρώτου.

816
00:43:00,760 --> 00:43:05,130
>> Σκεφτείτε να κάνει το παράδειγμα της
οι στίχοι χωρίς κενά.

817
00:43:05,130 --> 00:43:07,950
Έτσι, το μόνο στίχους που έχετε
θα ποινές, έτσι δεν είναι;

818
00:43:07,950 --> 00:43:09,470
Που χωρίζονται από τελείες.

819
00:43:09,470 --> 00:43:13,930
Αλλά στη συνέχεια, έχοντας μόνο την ποινή θα
δεν πραγματικά να βοηθήσει για την παροχή πληροφοριών

820
00:43:13,930 --> 00:43:17,760
του ποιοι είναι αυτοί οι στίχοι είναι του.

821
00:43:17,760 --> 00:43:18,120
Σωστά;

822
00:43:18,120 --> 00:43:20,010
Έτσι, θα πρέπει να βάζει πρώτα τους χώρους.

823
00:43:20,010 --> 00:43:21,990
Λοιπόν, πώς μπορείτε να το κάνετε αυτό;

824
00:43:21,990 --> 00:43:24,920
>> Έτσι, τότε έρχεται η ιδέα μιας γλώσσας
μοντέλο το οποίο είναι κάτι πραγματικά

825
00:43:24,920 --> 00:43:26,870
σημαντική για την υπολογιστική
γλωσσολογία.

826
00:43:26,870 --> 00:43:32,790
Έτσι, ένα μοντέλο γλώσσας είναι ουσιαστικά ένα
πίνακα των πιθανοτήτων που δείχνει

827
00:43:32,790 --> 00:43:36,260
πρώτα απ 'όλα ποια είναι η πιθανότητα
έχουν τη λέξη σε μια γλώσσα;

828
00:43:36,260 --> 00:43:39,590
Έτσι, δείχνει πόσο συχνά μια λέξη είναι.

829
00:43:39,590 --> 00:43:43,130
Και στη συνέχεια, δείχνει επίσης τη σχέση
μεταξύ των λέξεων σε μια πρόταση.

830
00:43:43,130 --> 00:43:51,500
>> Έτσι, η βασική ιδέα είναι, αν ήρθε ένας ξένος
σε σας και είπε μια πρόταση για

831
00:43:51,500 --> 00:43:55,600
σας, ποια είναι η πιθανότητα ότι, για
παράδειγμα, "αυτή είναι η αδελφή μου [GTF;"?]

832
00:43:55,600 --> 00:43:57,480
ήταν η φράση ότι το πρόσωπο που είπε;

833
00:43:57,480 --> 00:44:00,380
Έτσι, προφανώς, ορισμένες φράσεις είναι
πιο κοινή από ό, τι άλλες.

834
00:44:00,380 --> 00:44:04,450
Για παράδειγμα, "καλημέρα" ή "καλή
νύχτα ", ή" Hey εκεί, "είναι πολύ πιο

835
00:44:04,450 --> 00:44:08,260
κοινή από ό, τι οι περισσότεροι ποινές
ότι έχουμε μια αγγλική.

836
00:44:08,260 --> 00:44:11,060
Γιατί, λοιπόν, είναι αυτές ποινές
και πιο συχνά;

837
00:44:11,060 --> 00:44:14,060
>> Πρώτα απ 'όλα, είναι επειδή έχετε
λέξεις που είναι πιο συχνές.

838
00:44:14,060 --> 00:44:20,180
Έτσι, για παράδειγμα, αν σας πω, ο σκύλος είναι
μεγάλη, και το σκυλί είναι γιγαντιαία, σας

839
00:44:20,180 --> 00:44:23,880
συνήθως ακούσετε πιθανώς ο σκύλος είναι μεγάλος
πιο συχνά, επειδή "μεγάλο" είναι πιο

840
00:44:23,880 --> 00:44:27,260
συχνή στα αγγλικά από το «γιγάντιο».
Έτσι, μία από τις

841
00:44:27,260 --> 00:44:30,100
τα πράγματα είναι η συχνότητα λέξη.

842
00:44:30,100 --> 00:44:34,490
>> Το δεύτερο πράγμα που είναι πραγματικά
σημαντικό είναι μόνο η

843
00:44:34,490 --> 00:44:35,490
σειρά των λέξεων.

844
00:44:35,490 --> 00:44:39,500
Έτσι, είναι κοινό να πούμε «η γάτα είναι
μέσα στο κουτί. ", αλλά δεν το κάνετε συνήθως

845
00:44:39,500 --> 00:44:44,250
δείτε στο "The κουτί μέσα είναι η γάτα." έτσι
θα δείτε ότι υπάρχει κάποια σημασία

846
00:44:44,250 --> 00:44:46,030
με τη σειρά των λέξεων.

847
00:44:46,030 --> 00:44:50,160
Δεν μπορούμε απλά να πούμε ότι αυτά τα δύο
φράσεις έχουν την ίδια πιθανότητα

848
00:44:50,160 --> 00:44:53,010
μόνο και μόνο επειδή έχουν τις ίδιες λέξεις.

849
00:44:53,010 --> 00:44:55,550
Μπορείτε πραγματικά πρέπει να φροντίσουν
σχετικά με την παραγγελία, καθώς και.

850
00:44:55,550 --> 00:44:57,650
Νόημα;

851
00:44:57,650 --> 00:44:59,490
>> Οπότε τι κάνουμε;

852
00:44:59,490 --> 00:45:01,550
Έτσι, αυτό που θα μπορούσε να προσπαθήσει να σας πάρει;

853
00:45:01,550 --> 00:45:04,400
Προσπαθώ να σας πάρει ό, τι
καλέσει τα μοντέλα n-gram.

854
00:45:04,400 --> 00:45:09,095
Έτσι, τα μοντέλα n-gram ουσιαστικά αναλάβει
ότι, για κάθε λέξη που

855
00:45:09,095 --> 00:45:10,960
έχετε σε μια πρόταση.

856
00:45:10,960 --> 00:45:15,020
Είναι η πιθανότητα ότι έχει
λέξη εξαρτάται υπάρχει όχι μόνο στην

857
00:45:15,020 --> 00:45:18,395
συχνότητα αυτής της λέξης στη γλώσσα,
αλλά και για τις λέξεις που

858
00:45:18,395 --> 00:45:19,860
Οι γύρω από αυτό.

859
00:45:19,860 --> 00:45:25,810
>> Έτσι, για παράδειγμα, συνήθως όταν βλέπεις
κάτι σαν ή είστε σε

860
00:45:25,810 --> 00:45:28,040
κατά πάσα πιθανότητα θα δούμε μια
όνομα μετά από αυτό, έτσι δεν είναι;

861
00:45:28,040 --> 00:45:31,750
Επειδή όταν έχετε μια πρόθεση
συνήθως παίρνει ένα ουσιαστικό μετά από αυτό.

862
00:45:31,750 --> 00:45:35,540
Ή εάν έχετε ένα ρήμα που είναι μεταβατικό
συνήθως πρόκειται να

863
00:45:35,540 --> 00:45:36,630
έχουν μια ονοματική φράση.

864
00:45:36,630 --> 00:45:38,780
Έτσι πρόκειται να έχουν ένα ουσιαστικό
κάπου γύρω από αυτό.

865
00:45:38,780 --> 00:45:44,950
>> Έτσι, βασικά, αυτό που κάνει είναι ότι
θεωρεί ότι η πιθανότητα να έχουν

866
00:45:44,950 --> 00:45:47,960
λόγια ένα δίπλα στο άλλο, όταν
είστε υπολογισμό της

867
00:45:47,960 --> 00:45:49,050
πιθανότητα μιας πρότασης.

868
00:45:49,050 --> 00:45:50,960
Και αυτό είναι μια γλώσσα
μοντέλο είναι βασικά.

869
00:45:50,960 --> 00:45:54,620
Απλά λέγοντας ποια είναι η πιθανότητα
της ύπαρξης ενός ειδικού

870
00:45:54,620 --> 00:45:57,120
φράση σε μια γλώσσα;

871
00:45:57,120 --> 00:45:59,110
Γιατί λοιπόν είναι τόσο χρήσιμη, βασικά;

872
00:45:59,110 --> 00:46:02,390
Και πρώτα απ 'όλα τι είναι
ένα μοντέλο n-gram, στη συνέχεια;

873
00:46:02,390 --> 00:46:08,850
>> Έτσι, ένα μοντέλο n-gram σημαίνει ότι
κάθε λέξη εξαρτάται από το

874
00:46:08,850 --> 00:46:12,700
επόμενη N μείον 1 λέξεις.

875
00:46:12,700 --> 00:46:18,150
Έτσι, βασικά, αυτό σημαίνει ότι αν κοιτάξω,
για παράδειγμα, κατά τον TF CS50 όταν

876
00:46:18,150 --> 00:46:21,500
Είμαι υπολογισμό της πιθανότητας
η ποινή, θα είναι σαν «το

877
00:46:21,500 --> 00:46:25,280
πιθανότητα να έχουν τη λέξη "η"
φορές η πιθανότητα να έχουν «η

878
00:46:25,280 --> 00:46:31,720
CS50 "φορές η πιθανότητα να έχουν
"Το TF CS50." Έτσι, βασικά, μετρώ

879
00:46:31,720 --> 00:46:35,720
όλες οι δυνατότητες για το τέντωμα.

880
00:46:35,720 --> 00:46:41,870
>> Και τότε συνήθως όταν κάνεις αυτό,
όπως σε ένα έργο, βάζετε Ν να

881
00:46:41,870 --> 00:46:42,600
μια χαμηλή τιμή.

882
00:46:42,600 --> 00:46:45,930
Έτσι, έχουν συνήθως διγράμμων ή τρίγραμμα.

883
00:46:45,930 --> 00:46:51,090
Έτσι ώστε να μετράνε μόνο δύο λέξεις, μια
ομάδα δύο λέξεις ή τρεις λέξεις,

884
00:46:51,090 --> 00:46:52,620
μόνο για θέματα επιδόσεων.

885
00:46:52,620 --> 00:46:56,395
Και, επίσης, γιατί ίσως αν έχετε
κάτι σαν το "The TF CS50." Όταν

886
00:46:56,395 --> 00:47:00,510
έχουν «TF», είναι πολύ σημαντικό το γεγονός ότι
"CS50" είναι δίπλα σε αυτό, έτσι δεν είναι;

887
00:47:00,510 --> 00:47:04,050
Αυτά τα δύο πράγματα είναι συνήθως
δίπλα στο άλλο.

888
00:47:04,050 --> 00:47:06,410
>> Αν νομίζετε ότι του "TF", είναι πιθανώς
πρόκειται να έχουν ό, τι

889
00:47:06,410 --> 00:47:07,890
κατηγορία είναι για TF'ing.

890
00:47:07,890 --> 00:47:11,330
Επίσης, "η" είναι πραγματικά σημαντικό
για CS50 TF.

891
00:47:11,330 --> 00:47:14,570
Αλλά εάν έχετε κάτι σαν το "The CS50
TF πήγε στην τάξη και έδωσε τους

892
00:47:14,570 --> 00:47:20,060
φοιτητές κάποια καραμέλα. "" Candy "και" η "
δεν έχουν καμία σχέση με πραγματικά, έτσι δεν είναι;

893
00:47:20,060 --> 00:47:23,670
Είναι τόσο μακριά από τον άλλον ότι
δεν έχει τόση σημασία τι

894
00:47:23,670 --> 00:47:25,050
λέξεις που έχετε.

895
00:47:25,050 --> 00:47:31,210
>> Έτσι, κάνοντας μια bigram ή τρίγραμμα, το
απλά σημαίνει ότι είστε περιορίζοντας

896
00:47:31,210 --> 00:47:33,430
τον εαυτό σας με κάποια λόγια
που είναι γύρω.

897
00:47:33,430 --> 00:47:35,810
Νόημα;

898
00:47:35,810 --> 00:47:40,630
Έτσι, όταν θέλετε να κάνετε κατάτμηση,
Βασικά, αυτό που θέλετε να κάνετε είναι να δείτε

899
00:47:40,630 --> 00:47:44,850
τι είναι όλα οι πιθανοί τρόποι που
μπορείτε να τμήμα της ποινής.

900
00:47:44,850 --> 00:47:49,090
>> Τέτοια ότι θα δείτε τι είναι το
πιθανότητα κάθε μία από τις ποινές

901
00:47:49,090 --> 00:47:50,880
υφιστάμενες στη γλώσσα;

902
00:47:50,880 --> 00:47:53,410
Έτσι, αυτό που κάνετε είναι σαν, καλά, ας
προσπαθήσω να το βάλω ένα χώρο εδώ.

903
00:47:53,410 --> 00:47:55,570
Έτσι βάζετε ένα χώρο εκεί
και θα δείτε ποια είναι η

904
00:47:55,570 --> 00:47:57,590
πιθανότητα αυτής της πρότασης;

905
00:47:57,590 --> 00:48:00,240
Στη συνέχεια, είστε όπως, εντάξει, ίσως
ότι δεν ήταν και τόσο καλή.

906
00:48:00,240 --> 00:48:03,420
Έτσι έβαλα ένα χώρο υπάρχει και ένα χώρο
εκεί, και να υπολογίσετε το

907
00:48:03,420 --> 00:48:06,240
πιθανότητα τώρα, και θα δείτε ότι
είναι μια μεγαλύτερη πιθανότητα.

908
00:48:06,240 --> 00:48:12,160
>> Έτσι, αυτό είναι ένας αλγόριθμος που ονομάζεται TANGO
αλγορίθμου κατάτμησης, η οποία είναι

909
00:48:12,160 --> 00:48:14,990
πραγματικά κάτι που θα ήταν πραγματικά
δροσερό για ένα έργο, το οποίο

910
00:48:14,990 --> 00:48:20,860
βασικά παίρνει συνοστέωσης κείμενο που
μπορεί να είναι ιαπωνικό ή κινεζικό ή ίσως

911
00:48:20,860 --> 00:48:26,080
Αγγλικά χωρίς κενά και προσπαθεί να βάλει
διαστήματα μεταξύ των λέξεων και το κάνει

912
00:48:26,080 --> 00:48:29,120
ότι χρησιμοποιώντας ένα μοντέλο γλώσσας και
προσπαθούμε να δούμε τι είναι το υψηλότερο

913
00:48:29,120 --> 00:48:31,270
πιθανότητα που μπορείτε να πάρετε.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Έτσι, αυτό είναι ο κατακερματισμός.

916
00:48:33,800 --> 00:48:35,450
>> Τώρα σύνταξη.

917
00:48:35,450 --> 00:48:40,940
Έτσι, η σύνταξη που χρησιμοποιείται για
τόσα πολλά πράγματα αυτή τη στιγμή.

918
00:48:40,940 --> 00:48:44,880
Έτσι, για Graph Αναζήτηση για Siri για
σχεδόν κάθε είδος των φυσικών

919
00:48:44,880 --> 00:48:46,490
επεξεργασία της γλώσσας που έχετε.

920
00:48:46,490 --> 00:48:49,140
Έτσι, αυτό είναι το σημαντικό
πράγματα σχετικά με τη σύνταξη;

921
00:48:49,140 --> 00:48:52,390
Έτσι, οι προτάσεις έχουν εν γένει
αυτό που λέμε συστατικά.

922
00:48:52,390 --> 00:48:57,080
Ποιες είναι κάτι σαν ομάδες λέξεων
που έχουν μια λειτουργία στην πρόταση.

923
00:48:57,080 --> 00:49:02,220
Και δεν μπορούν πραγματικά να
εκτός από το άλλο.

924
00:49:02,220 --> 00:49:07,380
>> Έτσι, αν μπορώ να πω, για παράδειγμα, "Lauren αγαπά
Milo. "Ξέρω ότι" Lauren "είναι ένα

925
00:49:07,380 --> 00:49:10,180
συστατικό και στη συνέχεια "αγάπες
Milo "είναι επίσης ένα άλλο.

926
00:49:10,180 --> 00:49:16,860
Επειδή δεν μπορούμε να πούμε σαν "Lauren Milo
αγαπά »να έχουν την ίδια έννοια.

927
00:49:16,860 --> 00:49:18,020
Δεν πρόκειται να έχουν
την ίδια έννοια.

928
00:49:18,020 --> 00:49:22,500
Ή δεν μπορώ να πω σαν "Milo Lauren
αγαπά. "Δεν είναι ό, τι έχει το ίδιο

929
00:49:22,500 --> 00:49:25,890
σημαίνει αυτό.

930
00:49:25,890 --> 00:49:31,940
>> Έτσι, τα δύο πιο σημαντικά πράγματα για
σύνταξη είναι οι λεξιλογικές είδη που είναι

931
00:49:31,940 --> 00:49:35,390
ουσιαστικά η λειτουργία που σας
έχουν για τα λόγια από μόνα τους.

932
00:49:35,390 --> 00:49:39,180
Έτσι, θα πρέπει να ξέρετε ότι "Lauren"
και "Μήλο" είναι ουσιαστικά.

933
00:49:39,180 --> 00:49:41,040
«Αγάπη» είναι ένα ρήμα.

934
00:49:41,040 --> 00:49:45,660
Και το δεύτερο σημαντικό πράγμα είναι
ότι είναι φραστικές τύπους.

935
00:49:45,660 --> 00:49:48,990
Έτσι, ξέρετε ότι «αγαπά Milo"
είναι στην πραγματικότητα μια λεκτική έκφραση.

936
00:49:48,990 --> 00:49:52,390
Έτσι, όταν λέω "Lauren," Ξέρω ότι
Lauren κάνει κάτι.

937
00:49:52,390 --> 00:49:53,620
Τι κάνει;

938
00:49:53,620 --> 00:49:54,570
Της αγάπης Milo.

939
00:49:54,570 --> 00:49:56,440
Έτσι, αυτό είναι ένα όλο θέμα.

940
00:49:56,440 --> 00:50:01,640
Αλλά συστατικά του έχουν
ένα ουσιαστικό και ένα ρήμα.

941
00:50:01,640 --> 00:50:04,210
Αλλά μαζί, κάνουν μια φράση ρήμα.

942
00:50:04,210 --> 00:50:08,680
>> Λοιπόν, τι μπορούμε να κάνουμε στην πραγματικότητα με
υπολογιστική γλωσσολογία;

943
00:50:08,680 --> 00:50:13,810
Έτσι, αν έχω κάτι, για παράδειγμα
«Οι φίλοι της Allison." Να δω αν έχω μόνο

944
00:50:13,810 --> 00:50:17,440
έκανε μια συντακτική δέντρο θα ήθελα να ξέρω ότι
"Φίλοι" είναι μια ονοματική φράση είναι μια

945
00:50:17,440 --> 00:50:21,480
ουσιαστικό και στη συνέχεια "από Allison" είναι ένα
εμπρόθετη φράση με την οποία "από" είναι

946
00:50:21,480 --> 00:50:24,810
μια πρόταση και "Allison" είναι ένα ουσιαστικό.

947
00:50:24,810 --> 00:50:30,910
Τι θα μπορούσα να κάνω είναι να διδάξει τον υπολογιστή μου
ότι όταν έχω μια ονοματική φράση και ένα

948
00:50:30,910 --> 00:50:33,080
τότε μια εμπρόθετη φράση.

949
00:50:33,080 --> 00:50:39,020
Έτσι, σε αυτή την περίπτωση, "φίλους" και στη συνέχεια "του
Milo "Ξέρω ότι αυτό σημαίνει ότι

950
00:50:39,020 --> 00:50:43,110
NP2, η δεύτερη, κατέχει NP1.

951
00:50:43,110 --> 00:50:47,680
>> Γι 'αυτό και μπορεί να δημιουργήσει κάποιο είδος σχέσης,
κάποιο είδος λειτουργίας για αυτό.

952
00:50:47,680 --> 00:50:52,370
Έτσι, κάθε φορά που βλέπω αυτή τη δομή, η οποία
ταιριάζει ακριβώς με "τους φίλους του

953
00:50:52,370 --> 00:50:56,030
Allison, "Ξέρω ότι Allison
κατέχει τους φίλους.

954
00:50:56,030 --> 00:50:58,830
Έτσι, οι φίλοι είναι κάτι
ότι η Allison έχει.

955
00:50:58,830 --> 00:50:59,610
Έχει νόημα;

956
00:50:59,610 --> 00:51:01,770
Έτσι, αυτό είναι βασικά αυτό που
Γράφημα αναζήτησης κάνει.

957
00:51:01,770 --> 00:51:04,360
Δημιουργεί απλά κανόνες
για πολλά πράγματα.

958
00:51:04,360 --> 00:51:08,190
Έτσι, οι "φίλοι του Allison," "οι φίλοι μου
που ζουν σε Cambridge, "" οι φίλοι μου

959
00:51:08,190 --> 00:51:12,970
που πηγαίνουν στο Χάρβαρντ. «Δημιουργεί κανόνες
για όλα αυτά τα πράγματα.

960
00:51:12,970 --> 00:51:14,930
>> Τώρα μηχανικής μετάφρασης.

961
00:51:14,930 --> 00:51:18,850
Έτσι, η αυτόματη μετάφραση είναι επίσης
κάτι στατιστικών.

962
00:51:18,850 --> 00:51:21,340
Και πράγματι, αν εμπλακούν σε
υπολογιστική γλωσσολογία, πολλά

963
00:51:21,340 --> 00:51:23,580
πράγματά σας πρόκειται να είναι στατιστικά.

964
00:51:23,580 --> 00:51:26,670
Έτσι, όπως έκανα με το παράδειγμα
πολλές πιθανότητες ότι ήμουν

965
00:51:26,670 --> 00:51:30,540
τον υπολογισμό, και στη συνέχεια μπορείτε να πάρετε σε αυτό
πολύ μικρός αριθμός που είναι ο τελικός

966
00:51:30,540 --> 00:51:33,180
πιθανότητα, και αυτό είναι ό, τι
σας δίνει την απάντηση.

967
00:51:33,180 --> 00:51:37,540
Η μηχανική μετάφραση χρησιμοποιεί επίσης
ένα στατιστικό μοντέλο.

968
00:51:37,540 --> 00:51:44,790
Και αν θέλετε να σκεφτείτε μηχανής
μετάφραση στην απλούστερη δυνατή

969
00:51:44,790 --> 00:51:48,970
Έτσι, ό, τι μπορείτε να σκεφτείτε είναι απλά
μεταφράσει κατά λέξη, έτσι δεν είναι;

970
00:51:48,970 --> 00:51:52,150
>> Όταν είστε εκμάθηση μιας γλώσσας για την
πρώτη φορά, ότι είναι ό, τι συνήθως

971
00:51:52,150 --> 00:51:52,910
κάνεις, έτσι δεν είναι;

972
00:51:52,910 --> 00:51:57,050
Αν θέλετε να μεταφράσετε μια πρόταση
στη γλώσσα σας με τη γλώσσα

973
00:51:57,050 --> 00:52:00,060
μαθαίνετε, συνήθως πρώτα, θα
μεταφράσει κάθε μία από τις λέξεις

974
00:52:00,060 --> 00:52:03,180
ξεχωριστά, και στη συνέχεια προσπαθήστε
να βάλει τις λέξεις στη θέση του.

975
00:52:03,180 --> 00:52:07,100
>> Έτσι αν θέλετε να το μεταφράσετε,
[ΟΜΙΛΙΑ ΤΗΣ ΠΟΡΤΟΓΑΛΙΑΣ]

976
00:52:07,100 --> 00:52:10,430
που σημαίνει "η λευκή γάτα έτρεξε μακριά."
Αν ήθελα να το μεταφράσει από

977
00:52:10,430 --> 00:52:13,650
Πορτογαλικά σε Αγγλικά, τι
θα μπορούσε να κάνει είναι, κατ 'αρχάς, θα ήθελα απλώς

978
00:52:13,650 --> 00:52:14,800
μεταφράζουν λέξη προς λέξη.

979
00:52:14,800 --> 00:52:20,570
Έτσι το "o" είναι "το", "gato", "γάτα"
"Branco", "λευκό" και στη συνέχεια "Fugio" είναι

980
00:52:20,570 --> 00:52:21,650
«Έσκασε».

981
00:52:21,650 --> 00:52:26,130
>> Έτσι, τότε έχω όλες τις λέξεις εδώ,
αλλά δεν είναι σε τάξη.

982
00:52:26,130 --> 00:52:29,590
Είναι σαν "η άσπρη γάτα το έσκασε"
η οποία είναι γραμματική.

983
00:52:29,590 --> 00:52:34,490
Έτσι, στη συνέχεια, μπορώ να έχω ένα δεύτερο στάδιο, το οποίο
πρόκειται να βρεθεί το ιδανικό

984
00:52:34,490 --> 00:52:36,610
θέση για κάθε μία από τις λέξεις.

985
00:52:36,610 --> 00:52:40,240
Έτσι ξέρω ότι πραγματικά θέλουν να έχουν
"Άσπρη γάτα" αντί για "λευκή γάτα." Έτσι

986
00:52:40,240 --> 00:52:46,050
τι μπορώ να κάνω είναι, η πιο αφελής μέθοδος
θα ήταν να δημιουργήσει όλα τα

987
00:52:46,050 --> 00:52:49,720
πιθανών μεταθέσεων
λόγια, των θέσεων.

988
00:52:49,720 --> 00:52:53,300
Και στη συνέχεια να δούμε ποια έχει το
υψηλότερη πιθανότητα σύμφωνα με

989
00:52:53,300 --> 00:52:54,970
σε μοντέλο μου γλώσσα.

990
00:52:54,970 --> 00:52:58,390
Και στη συνέχεια, όταν θα βρείτε αυτό που έχει
η υψηλότερη πιθανότητα αυτό, το οποίο είναι

991
00:52:58,390 --> 00:53:01,910
μάλλον "η λευκή γάτα έτρεξε μακριά,"
αυτό είναι δική μου μετάφραση.

992
00:53:01,910 --> 00:53:06,710
>> Και αυτό είναι ένας απλός τρόπος για να εξηγήσουμε
πώς πολλά από μηχανική μετάφραση

993
00:53:06,710 --> 00:53:07,910
αλγόριθμοι λειτουργούν.

994
00:53:07,910 --> 00:53:08,920
Μήπως αυτό έχει νόημα;

995
00:53:08,920 --> 00:53:12,735
Αυτό είναι επίσης κάτι πραγματικά συναρπαστικό
ότι εσείς μπορεί ίσως να διερευνήσει για μια

996
00:53:12,735 --> 00:53:13,901
τελικό σχέδιο, ναι;

997
00:53:13,901 --> 00:53:15,549
>> ΦΟΙΤΗΤΗΣ: Λοιπόν, είπες ότι ήταν
ο αφελής τρόπο, έτσι ώστε ό, τι είναι

998
00:53:15,549 --> 00:53:17,200
η μη αφελής τρόπος;

999
00:53:17,200 --> 00:53:18,400
>> LUCAS FREITAS: Η μη αφελής τρόπος;

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Έτσι, το πρώτο πράγμα που είναι κακό για
η μέθοδος αυτή είναι ότι μόλις μεταφραστεί

1002
00:53:22,860 --> 00:53:24,330
λόγια, λέξη προς λέξη.

1003
00:53:24,330 --> 00:53:30,570
Αλλά μερικές φορές έχετε τις λέξεις που
μπορεί να έχει πολλαπλές μεταφράσεις.

1004
00:53:30,570 --> 00:53:32,210
Πάω να προσπαθήσουμε να σκεφτούμε
κάτι.

1005
00:53:32,210 --> 00:53:37,270
Για παράδειγμα, «manga» στα πορτογαλικά δοχείο
είτε να είναι "μάγγανο" ή "μανίκι". Έτσι

1006
00:53:37,270 --> 00:53:40,450
όταν προσπαθείτε να μεταφράσετε λέξη
από τη λέξη, αυτό μπορεί να σας δίνει

1007
00:53:40,450 --> 00:53:42,050
κάτι που δεν έχει κανένα νόημα.

1008
00:53:42,050 --> 00:53:45,770
>> Έτσι θέλετε πραγματικά να σας δούμε όλους
οι πιθανές μεταφράσεις της

1009
00:53:45,770 --> 00:53:49,840
λέξεις και να δούμε, πρώτα απ 'όλα,
ποια είναι η σειρά.

1010
00:53:49,840 --> 00:53:52,000
Μιλούσαμε για permutating
τα πράγματα;

1011
00:53:52,000 --> 00:53:54,150
Για να δείτε όλες τις πιθανές εντολές και
επιλέξετε το ένα με την υψηλότερη

1012
00:53:54,150 --> 00:53:54,990
πιθανότητα;

1013
00:53:54,990 --> 00:53:57,860
Μπορείτε επίσης να επιλέξετε όλες τις πιθανές
μεταφράσεις για κάθε

1014
00:53:57,860 --> 00:54:00,510
λέξη και στη συνέχεια να δούμε -

1015
00:54:00,510 --> 00:54:01,950
σε συνδυασμό με τις μεταθέσεις -

1016
00:54:01,950 --> 00:54:03,710
η οποία έχει κανείς την υψηλότερη πιθανότητα.

1017
00:54:03,710 --> 00:54:08,590
>> Πλέον, μπορείτε επίσης να εξετάσουμε όχι
μόνο λόγια, αλλά φράσεις.

1018
00:54:08,590 --> 00:54:11,700
έτσι ώστε να μπορούν να αναλύσουν τις σχέσεις μεταξύ
οι λέξεις και στη συνέχεια να πάρετε μια

1019
00:54:11,700 --> 00:54:13,210
καλύτερη μετάφραση.

1020
00:54:13,210 --> 00:54:16,690
Επίσης κάτι άλλο, έτσι ώστε αυτό το εξάμηνο
Είμαι πραγματικά να κάνει έρευνα στο

1021
00:54:16,690 --> 00:54:19,430
Κινεζικά-Αγγλικά αυτόματη μετάφραση,
έτσι μετάφραση από

1022
00:54:19,430 --> 00:54:20,940
Κινεζικά στα αγγλικά.

1023
00:54:20,940 --> 00:54:26,760
>> Και κάτι που κάνουμε είναι, εκτός από τη χρήση
ένα στατιστικό μοντέλο, το οποίο είναι ακριβώς

1024
00:54:26,760 --> 00:54:30,570
βλέποντας τις πιθανότητες του να δει
κάποια θέση σε μια πρόταση, είμαι

1025
00:54:30,570 --> 00:54:35,360
πραγματικά προσθέτοντας επίσης κάποια σύνταξη, για να μου
μοντέλο, λέγοντας, αχ, αν βλέπω αυτό το είδος

1026
00:54:35,360 --> 00:54:39,420
της κατασκευής, αυτό είναι αυτό που θέλω
για να αλλάξετε όταν μεταφράζω.

1027
00:54:39,420 --> 00:54:43,880
Έτσι, μπορείτε επίσης να προσθέσετε κάποιο είδος
στοιχείο της σύνταξη για να κάνει το

1028
00:54:43,880 --> 00:54:47,970
μετάφραση πιο αποτελεσματική
και πιο ακριβή.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Τόσο πώς μπορείτε να ξεκινήσετε, αν θέλετε
να κάνει κάτι στην υπολογιστική

1031
00:54:51,010 --> 00:54:51,980
γλωσσολογία;

1032
00:54:51,980 --> 00:54:54,560
>> Κατ 'αρχάς, μπορείτε να επιλέξετε ένα έργο
που περιλαμβάνει τις γλώσσες.

1033
00:54:54,560 --> 00:54:56,310
Έτσι, υπάρχουν τόσοι πολλοί εκεί έξω.

1034
00:54:56,310 --> 00:54:58,420
Υπάρχουν τόσα πολλά πράγματα που μπορείτε να κάνετε.

1035
00:54:58,420 --> 00:55:00,510
Και τότε μπορούμε να σκεφτούμε ένα μοντέλο
που μπορείτε να χρησιμοποιήσετε.

1036
00:55:00,510 --> 00:55:04,710
Συνήθως αυτό σημαίνει ότι σκέφτεται
υποθέσεις, όπως, όπως, OH, όταν ήμουν

1037
00:55:04,710 --> 00:55:05,770
σαν σκέψη των στίχων.

1038
00:55:05,770 --> 00:55:09,510
Ήμουν όπως, επίσης, αν θέλω να καταλάβω
έξω ποιος έγραψε αυτό, πιθανόν να θέλετε

1039
00:55:09,510 --> 00:55:15,400
για να δείτε τις λέξεις το πρόσωπο που χρησιμοποιείται και
δείτε ποιος χρησιμοποιεί αυτή τη λέξη πολύ συχνά.

1040
00:55:15,400 --> 00:55:18,470
Έτσι, προσπαθούν να κάνουν υποθέσεις και
προσπαθήστε να σκεφτείτε μοντέλων.

1041
00:55:18,470 --> 00:55:21,395
Και τότε μπορείτε επίσης να αναζητήσετε online για
το είδος του προβλήματος που έχετε,

1042
00:55:21,395 --> 00:55:24,260
και πρόκειται να προτείνει
να σας τα μοντέλα που ίσως

1043
00:55:24,260 --> 00:55:26,560
το πρότυπο αυτό το πράγμα καλά.

1044
00:55:26,560 --> 00:55:29,080
>> Και, επίσης, μπορείτε να στείλετε email μου πάντα.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
Και μπορώ να απαντήσω στις ερωτήσεις σας απλά.

1047
00:55:34,940 --> 00:55:38,600
Μπορούμε ακόμη και ότι θα συναντηθούμε ώστε να μπορώ να
δώσει προτάσεις σχετικά με τους τρόπους

1048
00:55:38,600 --> 00:55:41,490
υλοποίηση του προγράμματος.

1049
00:55:41,490 --> 00:55:45,610
Και εννοώ, αν εμπλακούν με
υπολογιστική γλωσσολογία, πρόκειται

1050
00:55:45,610 --> 00:55:46,790
να είναι μεγάλη.

1051
00:55:46,790 --> 00:55:48,370
Θα πάμε να δούμε εκεί
είναι τόσο μεγάλες δυνατότητες.

1052
00:55:48,370 --> 00:55:52,060
Και η βιομηχανία επιθυμεί να προσλάβει
είσαι τόσο κακός εξαιτίας αυτού.

1053
00:55:52,060 --> 00:55:54,720
Ελπίζω, λοιπόν, τα παιδιά απολαμβάνουν αυτό.

1054
00:55:54,720 --> 00:55:57,030
Εάν εσείς έχετε οποιεσδήποτε ερωτήσεις,
μπορείτε να με ρωτήσετε μετά από αυτό.

1055
00:55:57,030 --> 00:55:58,280
Αλλά σας ευχαριστώ.

1056
00:55:58,280 --> 00:56:00,150