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

2
00:00:08,364 --> 00:00:08,870
>> LUCAS Freitas: Hey.

3
00:00:08,870 --> 00:00:09,980
Velkomin á síðuna mína.

4
00:00:09,980 --> 00:00:11,216
Mitt nafn er Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Ég er yngri í [inaudible] læra
tölvunarfræði með áherslu á

6
00:00:15,220 --> 00:00:16,410
tölvumálvísindum.

7
00:00:16,410 --> 00:00:19,310
Svo er annar minn í tungumáli
og tungumála kenning.

8
00:00:19,310 --> 00:00:21,870
Ég er virkilega spennt að kenna ykkur
svolítið um sviði.

9
00:00:21,870 --> 00:00:24,300
Það er mjög spennandi svæði til að læra.

10
00:00:24,300 --> 00:00:27,260
Einnig með mikla möguleika
til framtíðar.

11
00:00:27,260 --> 00:00:30,160
Svo, ég er virkilega spennt að þið
eru að íhuga verkefni í

12
00:00:30,160 --> 00:00:31,160
tölvumálvísindum.

13
00:00:31,160 --> 00:00:35,460
Og ég ætla að vera meira en fús til að ráðleggja
einhver ykkar ef þú ákveður að

14
00:00:35,460 --> 00:00:37,090
stunda einhverja þá.

15
00:00:37,090 --> 00:00:40,010
>> Svo fyrst af öllu hvað eru computational
Málvísindi?

16
00:00:40,010 --> 00:00:44,630
Svo tölvumálvísindum er
gatnamótum á milli málvísindum og

17
00:00:44,630 --> 00:00:46,390
tölvunarfræði.

18
00:00:46,390 --> 00:00:47,415
En hvað er Málvísindi?

19
00:00:47,415 --> 00:00:48,490
Hvað er tölvunarfræði?

20
00:00:48,490 --> 00:00:51,580
Vel úr málvísindum, hvað
við tökum eru tungumál.

21
00:00:51,580 --> 00:00:54,960
Svo málvísindi er í raun rannsókn
náttúrulegra tungumál almennt.

22
00:00:54,960 --> 00:00:58,330
Svo eðlilegt tungumál - við tölum um
tungumál sem við notum í raun til

23
00:00:58,330 --> 00:00:59,770
samskipti við hvert annað.

24
00:00:59,770 --> 00:01:02,200
Þannig að við erum ekki nákvæmlega að tala
um C eða Java.

25
00:01:02,200 --> 00:01:05,900
Við erum að tala meira um ensku og
Kínverji og önnur mál sem við

26
00:01:05,900 --> 00:01:07,780
nota til að hafa samskipti við hvert annað.

27
00:01:07,780 --> 00:01:12,470
>> The krefjandi hlutur óður í það er að
Núna höfum við næstum 7000

28
00:01:12,470 --> 00:01:14,260
tungumál í heiminum.

29
00:01:14,260 --> 00:01:19,520
Þannig að það eru alveg hár fjölbreytni
af tungumálum sem við getur rannsókn.

30
00:01:19,520 --> 00:01:22,600
Og þá finnst þér að það er sennilega
mjög erfitt að gera, til dæmis,

31
00:01:22,600 --> 00:01:26,960
Þýðing frá einu tungumáli til
annað, miðað við að þú hefur

32
00:01:26,960 --> 00:01:28,240
tæplega 7.000 þeirra.

33
00:01:28,240 --> 00:01:31,450
Svo, ef þú heldur að gera þýðingar
frá einu tungumáli til annars þú

34
00:01:31,450 --> 00:01:35,840
hafa næstum meira en milljón
mismunandi samsetningar sem þú getur

35
00:01:35,840 --> 00:01:37,330
hafa frá tungumáli tungumáli.

36
00:01:37,330 --> 00:01:40,820
Svo það er virkilega krefjandi að gera sumir
konar dæmi þýðing kerfi fyrir

37
00:01:40,820 --> 00:01:43,540
hvert einasta tungumál.

38
00:01:43,540 --> 00:01:47,120
>> Svo, Málvísindi skemmtun með setningafræði,
merkingarfræði, pragmatics.

39
00:01:47,120 --> 00:01:49,550
Þú krakkar gera ekki nákvæmlega þörf
að vita hvað eru þeir eru.

40
00:01:49,550 --> 00:01:55,090
En mjög áhugaverður hlutur er að
sem móðurmáli, þegar þú lærir

41
00:01:55,090 --> 00:01:59,010
tungumál sem barn lærir í raun
alla þá hluti - setningafræði merkingarfræði

42
00:01:59,010 --> 00:02:00,500
og pragmatics -

43
00:02:00,500 --> 00:02:01,430
sjálfur.

44
00:02:01,430 --> 00:02:04,820
Og enginn þarf að kenna þér setningafræði til
þér að skilja hvernig setningar eru

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

46
00:02:05,290 --> 00:02:07,980
Svo, það er mjög áhugavert vegna þess að
það er eitthvað sem kemur mjög

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

48
00:02:10,389 --> 00:02:13,190
>> Og hvað ert þú að taka frá
Tölvunarfræðinámið?

49
00:02:13,190 --> 00:02:16,700
Jæja, það mikilvægasta sem við
hafa í tölvunarfræði er fyrsta

50
00:02:16,700 --> 00:02:19,340
allt, gervigreind
og vél nám.

51
00:02:19,340 --> 00:02:22,610
Svo, það sem við erum að reyna að gera
tölvumálvísindum er kenna

52
00:02:22,610 --> 00:02:26,990
tölvan hvernig á að gera eitthvað
með tungumál.

53
00:02:26,990 --> 00:02:28,630
>> Svo, til dæmis, í vél
þýðingar.

54
00:02:28,630 --> 00:02:32,490
Ég er að reyna að kenna Tölva Hvernig minn
að vita hvernig á að umskipti úr einu

55
00:02:32,490 --> 00:02:33,310
tungumál til annars.

56
00:02:33,310 --> 00:02:35,790
Svo, í grundvallaratriðum eins og kennslu
A tölva tvö tungumál.

57
00:02:35,790 --> 00:02:38,870
Ef ég máltækni,
en það er raunin td á

58
00:02:38,870 --> 00:02:41,810
Facebook Línurit Leita, kenna þér
tölvan hvernig á að skilja

59
00:02:41,810 --> 00:02:42,730
fyrirspurnir vel.

60
00:02:42,730 --> 00:02:48,130
>> Svo, ef þú segir "myndir af mínum
vinir. "Facebook er ekki meðhöndla sem

61
00:02:48,130 --> 00:02:51,130
sem öllu band sem hefur
bara fullt af orðum.

62
00:02:51,130 --> 00:02:56,020
Það skilur í raun á tengslum
milli "Myndir" og "Vinir mínir" og

63
00:02:56,020 --> 00:02:59,620
skilur að "myndir" eru
eign "vinum mínum."

64
00:02:59,620 --> 00:03:02,350
>> Svo, það er hluti af, til dæmis,
máltækni.

65
00:03:02,350 --> 00:03:04,790
Það er að reyna að skilja hvað
er samband

66
00:03:04,790 --> 00:03:07,520
orð í setningu.

67
00:03:07,520 --> 00:03:11,170
Og stóra spurningin er, getur þú
kenna tölvunni hvernig á að tala

68
00:03:11,170 --> 00:03:12,650
mál almennt?

69
00:03:12,650 --> 00:03:17,810
Sem er mjög áhugaverð spurning að
hugsa, eins og ef til vill í framtíðinni,

70
00:03:17,810 --> 00:03:19,930
þú ert að fara að vera fær um að
tala til klefi símanum.

71
00:03:19,930 --> 00:03:23,290
Góður af eins og það sem við gerum við Siri en
eitthvað meira eins, getur þú í raun

72
00:03:23,290 --> 00:03:25,690
segðu það sem þú vilt og síminn
er að fara að skilja allt.

73
00:03:25,690 --> 00:03:28,350
Og það getur haft eftirfylgni spurningum
og halda að tala.

74
00:03:28,350 --> 00:03:30,880
Það er eitthvað mjög spennandi,
að mínu mati.

75
00:03:30,880 --> 00:03:33,070
>> Svo eitthvað um náttúrulegum tungumálum.

76
00:03:33,070 --> 00:03:36,220
Eitthvað mjög áhugavert um
náttúrulegum tungumálum er þessi, og þetta er

77
00:03:36,220 --> 00:03:38,470
inneign á málvísindum prófessor minn,
Maria Polinsky.

78
00:03:38,470 --> 00:03:40,830
Hún gefur dæmi og ég held að
það er mjög áhugavert.

79
00:03:40,830 --> 00:03:47,060
Vegna þess að við lærum tungumál frá þegar
við erum fædd og þá innfæddur okkar

80
00:03:47,060 --> 00:03:49,170
tungumál konar vex á okkur.

81
00:03:49,170 --> 00:03:52,570
>> Og í rauninni þú lærir tungumál
frá lágmarks inntak, ekki satt?

82
00:03:52,570 --> 00:03:56,700
Þú ert bara að fá inntak frá þér
foreldrar hvað tungumálið hljómar

83
00:03:56,700 --> 00:03:58,770
eins og þú að læra bara það.

84
00:03:58,770 --> 00:04:02,240
Svo, það er áhugavert vegna þess að ef þú horfir
á þau setningar, til dæmis.

85
00:04:02,240 --> 00:04:06,980
Þú horfir, "María setur á kápu hvers
skipti sem hún fer í húsið. "

86
00:04:06,980 --> 00:04:10,650
>> Í þessu tilviki er hægt að láta
Orðið "hún" er átt við Maríu, ekki satt?

87
00:04:10,650 --> 00:04:13,500
Þú getur sagt "María setur á kápu
hvert skipti María skilur

88
00:04:13,500 --> 00:04:14,960
hús. "svo er það allt í lagi.

89
00:04:14,960 --> 00:04:19,370
En svo ef þú horfir á setningu
"Hún setur á kápu hvert skipti Mary

90
00:04:19,370 --> 00:04:22,850
yfirgefur húsið. "þú veist það er
ómögulegt að segja að "hún" er

91
00:04:22,850 --> 00:04:24,260
vísa til Maríu.

92
00:04:24,260 --> 00:04:27,070
>> Það er engin leið til að segja að "María setur
á kápu hvert skipti Mary fer

93
00:04:27,070 --> 00:04:30,790
húsið. "Svo það er áhugavert vegna þess að
þetta er eins konar innsæi

94
00:04:30,790 --> 00:04:32,890
að sérhver móðurmáli hefur.

95
00:04:32,890 --> 00:04:36,370
Og enginn var kennt að þetta er
Leiðin að setningafræði virkar.

96
00:04:36,370 --> 00:04:41,930
Og að þú getur aðeins hafa þetta "hún"
vísa til Maríu í ​​þessari fyrstu tilfelli,

97
00:04:41,930 --> 00:04:44,260
og reyndar í þessu annað
líka, en ekki í þessu einn.

98
00:04:44,260 --> 00:04:46,500
En allir góður af fær
að sama svar.

99
00:04:46,500 --> 00:04:48,580
Allir sammála um það.

100
00:04:48,580 --> 00:04:53,280
Svo er það mjög áhugavert hvernig þótt
þú veist ekki allar reglur

101
00:04:53,280 --> 00:04:55,575
á þínu tungumáli sem þú skilur konar
hvernig tungumálið virkar.

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

103
00:04:59,020 --> 00:05:01,530
>> Svo áhugaverður hlutur óður í eðlilegt
tungumál er að þú þarft ekki að

104
00:05:01,530 --> 00:05:06,970
vita allir setningafræði til að vita hvort setningin
er málfræði eða ungrammatical fyrir

105
00:05:06,970 --> 00:05:08,810
flestum tilvikum.

106
00:05:08,810 --> 00:05:13,220
Sem gerir þér held kannski hvað
gerist er að með lífi þínu, þú

107
00:05:13,220 --> 00:05:17,410
bara að halda að fá meira og meira
setningar sagt við þig.

108
00:05:17,410 --> 00:05:19,800
Og þá þú halda minnið
allar setningar.

109
00:05:19,800 --> 00:05:24,230
Og svo þegar einhver segir þér
eitthvað heyrist þessi setning og

110
00:05:24,230 --> 00:05:27,040
þú horfir á orðaforða þinn
setningar og sjá hvort

111
00:05:27,040 --> 00:05:28,270
þessi setning er þarna.

112
00:05:28,270 --> 00:05:29,830
Og ef það er það sem þú
segja að það er málfræði.

113
00:05:29,830 --> 00:05:31,740
Ef það er ekki að segja að það er
ungrammatical.

114
00:05:31,740 --> 00:05:35,150
>> Svo, í því tilfelli, myndir þú segja, ó,
svo þú hafa a gríðarstór listi af öllum

115
00:05:35,150 --> 00:05:36,140
mögulegar setningar.

116
00:05:36,140 --> 00:05:38,240
Og svo þegar þú heyrir setningu,
veistu hvort það er málfræði eða

117
00:05:38,240 --> 00:05:39,450
ekki byggð á því.

118
00:05:39,450 --> 00:05:42,360
Málið er að ef þú horfir á
setning, til dæmis, "The

119
00:05:42,360 --> 00:05:47,540
fimm-headed CS50 TFS eldað blinda
kolkrabba notuðu DAPA mál. "Það er

120
00:05:47,540 --> 00:05:49,630
örugglega ekki setning
að þú heyrt áður.

121
00:05:49,630 --> 00:05:52,380
En á sama tíma og þú veist það er
ansi mikið málfræði, ekki satt?

122
00:05:52,380 --> 00:05:55,570
Það eru engar málfræði mistök
og þú getur sagt að

123
00:05:55,570 --> 00:05:57,020
það er hægt setning.

124
00:05:57,020 --> 00:06:01,300
>> Svo það gerir okkur held að í raun og veru
leiðin sem við lærum tungumál er ekki aðeins

125
00:06:01,300 --> 00:06:07,090
með því að hafa a gríðarstór gagnagrunnur mögulegt
orð eða setningar, en meira um

126
00:06:07,090 --> 00:06:11,490
skilning á tengslum milli
orð í þessum setningum.

127
00:06:11,490 --> 00:06:14,570
Er að skynsamleg?

128
00:06:14,570 --> 00:06:19,370
Svo, þá er spurningin, getur
Tölvur læra tungumál?

129
00:06:19,370 --> 00:06:21,490
Getum við kennt tungumál við tölvur?

130
00:06:21,490 --> 00:06:24,230
>> Svo, við skulum hugsa um muninn
milli móðurmáli á tungumál

131
00:06:24,230 --> 00:06:25,460
og tölva.

132
00:06:25,460 --> 00:06:27,340
Svo, hvað gerist í hátalara?

133
00:06:27,340 --> 00:06:30,430
Vel, móðurmáli lærir
tungumál af völdum þess.

134
00:06:30,430 --> 00:06:34,200
Venjulega hennar barnæsku ár.

135
00:06:34,200 --> 00:06:38,570
Svo, í grundvallaratriðum, þú bara barn,
og þú halda að tala við hana, og það

136
00:06:38,570 --> 00:06:40,540
bara lærir hvernig á að tala
tungumálið, ekki satt?

137
00:06:40,540 --> 00:06:42,660
Svo, þú ert í rauninni að gefa
inntak barnið.

138
00:06:42,660 --> 00:06:45,200
Svo, þá er hægt að halda því fram að tölvan
getur gert það sama, ekki satt?

139
00:06:45,200 --> 00:06:49,510
Þú getur bara gefa tungumáli
sem inntak til the tölva.

140
00:06:49,510 --> 00:06:53,410
>> Eins og til dæmis fullt af skrám
sem hafa bækur á ensku.

141
00:06:53,410 --> 00:06:56,190
Kannski er það ein leið sem
gæti hugsanlega kenna

142
00:06:56,190 --> 00:06:57,850
tölva English, ekki satt?

143
00:06:57,850 --> 00:07:01,000
Og í raun, ef þú hugsar um það,
það tekur þig kannski nokkrar

144
00:07:01,000 --> 00:07:02,680
daga í að lesa bók.

145
00:07:02,680 --> 00:07:05,760
Fyrir tölvu það tekur annað við
líta á öll orð í bók.

146
00:07:05,760 --> 00:07:10,810
Svo þú getur held að gæti verið bara þetta
rök inntak frá í kringum þig,

147
00:07:10,810 --> 00:07:15,440
það er ekki nóg að segja að það er
eitthvað sem aðeins menn geta gert.

148
00:07:15,440 --> 00:07:17,680
Þú getur held að tölvur
Einnig er hægt að fá inntak.

149
00:07:17,680 --> 00:07:21,170
>> The second hlutur er að móðurmáli
einnig að hafa heila sem hefur

150
00:07:21,170 --> 00:07:23,870
tungumálanám hæfileiki.

151
00:07:23,870 --> 00:07:27,020
En ef þér finnst um það,
heila er solid hlutur.

152
00:07:27,020 --> 00:07:30,450
Þegar maður fæðist, það er nú þegar sett -

153
00:07:30,450 --> 00:07:31,320
þetta er heilinn.

154
00:07:31,320 --> 00:07:34,660
Og eins og þú vaxa upp, þú færð bara meira
inntak tungumál og kannski næringarefni

155
00:07:34,660 --> 00:07:35,960
og annað efni.

156
00:07:35,960 --> 00:07:38,170
En ansi mikið heilinn
er solid hlutur.

157
00:07:38,170 --> 00:07:41,290
>> Svo er hægt að segja, vel, kannski þú getur
byggja upp tölvuna sem er með helling af

158
00:07:41,290 --> 00:07:45,890
aðgerðir og aðferðir sem bara líkja
tungumálanám hæfileiki.

159
00:07:45,890 --> 00:07:49,630
Svo í þeim skilningi, gætir þú sagt, vel, ég
geta hafa a tölva sem hefur alla

160
00:07:49,630 --> 00:07:52,270
hlutir sem ég þarf að læra tungumálið.

161
00:07:52,270 --> 00:07:56,200
Og síðasta er að innfæddur
ræðumaður lærir af reynslu og villa.

162
00:07:56,200 --> 00:08:01,090
Svo í rauninni annar mikilvægur hlutur í
tungumálanám er að þú góður

163
00:08:01,090 --> 00:08:05,340
af læra hluti með því að gera
alhæfingar um það sem þú heyrir.

164
00:08:05,340 --> 00:08:10,280
>> Svo eins og þú ert að alast upp þú lærir að
Sum orð eru meira eins og nafnorð,

165
00:08:10,280 --> 00:08:11,820
nokkrar aðrar sjálfur eru lýsingarorð.

166
00:08:11,820 --> 00:08:14,250
Og þú þarft ekki að hafa neitt
þekking á málvísindum

167
00:08:14,250 --> 00:08:15,040
að skilja að.

168
00:08:15,040 --> 00:08:18,560
En þú veist að það séu nokkur orð
eru staðsettar í sumum hluta af

169
00:08:18,560 --> 00:08:22,570
setningu og sumir aðrir í öðrum
hlutar setningarinnar.

170
00:08:22,570 --> 00:08:26,110
>> Og að þegar þú gerir eitthvað sem er
eins og setningu sem er ekki rétt -

171
00:08:26,110 --> 00:08:28,770
kannski vegna að yfir alhæfing
til dæmis.

172
00:08:28,770 --> 00:08:32,210
Kannski þegar þú ert að alast upp, þú tekur eftir
að fleirtölu er yfirleitt

173
00:08:32,210 --> 00:08:35,809
myndast með því að setja S á
enda orðsins.

174
00:08:35,809 --> 00:08:40,042
Og þá reyna að gera fleirtölu
"dádýr" sem "deers" eða "tönn" sem

175
00:08:40,042 --> 00:08:44,780
"TOOTHS." Svo þá foreldrar þínir eða
einhver leiðréttir þig og segir, nei,

176
00:08:44,780 --> 00:08:49,020
fleirtölu af "hjörtur" er "dádýr," og
fleirtölu af "tönn" er "tennur." Og þá

177
00:08:49,020 --> 00:08:50,060
þú lærir þá hluti.

178
00:08:50,060 --> 00:08:51,520
Svo að þú lærir af reynslu og villa.

179
00:08:51,520 --> 00:08:53,100
>> En þú getur líka gert það
með tölvu.

180
00:08:53,100 --> 00:08:55,310
Hægt er að hafa eitthvað sem heitir
styrking nám.

181
00:08:55,310 --> 00:08:58,560
Sem er í grundvallaratriðum eins og að gefa upp
tölva laun þegar það gerist

182
00:08:58,560 --> 00:08:59,410
eitthvað rétt.

183
00:08:59,410 --> 00:09:04,710
Og gefa henni hið gagnstæða á laun
og þegar það gerir eitthvað af sér.

184
00:09:04,710 --> 00:09:07,410
Þú geta raunverulega sjá að ef þú ferð
til Google Translate og þú reynir að

185
00:09:07,410 --> 00:09:10,220
þýða setningu, það
biður þig um endurgjöf.

186
00:09:10,220 --> 00:09:13,240
Þannig að ef þú segir, ó, það er betra
þýðingar fyrir þessa setningu.

187
00:09:13,240 --> 00:09:18,140
Þú getur slegið það upp og þá ef einhver af
fólk halda að segja að er betra

188
00:09:18,140 --> 00:09:21,560
þýðingar, lærir það bara að það
ætti að nota þessi þýðingar í stað

189
00:09:21,560 --> 00:09:22,960
sá það var að gefa.

190
00:09:22,960 --> 00:09:28,830
>> Svo, það er mjög heimspekilega spurningu
til að sjá hvort tölvur eru að fara að vera

191
00:09:28,830 --> 00:09:30,340
fær um að tala eða ekki í framtíðinni.

192
00:09:30,340 --> 00:09:34,440
En ég hef miklar vonir um að þeir geti
bara byggt á þeim rökum.

193
00:09:34,440 --> 00:09:38,570
En það er bara meira af heimspekilegu
spurning.

194
00:09:38,570 --> 00:09:43,460
>> Svo á meðan tölvur enn geta ekki talað,
hvað er það sem við getum gert?

195
00:09:43,460 --> 00:09:47,070
Sumir raunverulega kaldur hlutur er
Flokkun gagna.

196
00:09:47,070 --> 00:09:53,210
Svo, til dæmis, þú krakkar vita
að tölvupóstur þjónustu gera fyrir

197
00:09:53,210 --> 00:09:55,580
dæmi, spam sía.

198
00:09:55,580 --> 00:09:59,070
Svo þegar þú færð ruslpóst, það
reynir að sía í aðra kassa.

199
00:09:59,070 --> 00:10:00,270
Svo hvernig virkar það að gera það?

200
00:10:00,270 --> 00:10:06,080
Það er ekki eins og tölvan veit bara
hvað netföng eru að senda spam.

201
00:10:06,080 --> 00:10:09,130
Svo það er meira byggt á efni
skilaboðin, eða kannski titil, eða

202
00:10:09,130 --> 00:10:11,310
kannski sumir mynstur sem þú hefur.

203
00:10:11,310 --> 00:10:15,690
>> Svo, í grundvallaratriðum, hvað þú getur gert er að fá
mikið af gögnum tölvupósta sem eru spam,

204
00:10:15,690 --> 00:10:19,980
tölvupóst sem ekki spam, og læra það
konar mynstur þú hefur í

205
00:10:19,980 --> 00:10:21,000
þau sem eru spam.

206
00:10:21,000 --> 00:10:23,260
Og þetta er hluti af computational
málvísindum.

207
00:10:23,260 --> 00:10:24,720
Það heitir flokkun gagna.

208
00:10:24,720 --> 00:10:28,100
Og við erum í raun að fara að sjá
dæmi um að á næstu glærum.

209
00:10:28,100 --> 00:10:32,910
>> The second hlutur er náttúruleg tungumál
vinnslu sem er hlutur sem

210
00:10:32,910 --> 00:10:36,580
Línurit Leit er að gera til að láta
þú skrifar setningu.

211
00:10:36,580 --> 00:10:38,690
Og það treystir þú skilur hvað
er merking og gefur

212
00:10:38,690 --> 00:10:39,940
þér betri niðurstöðu.

213
00:10:39,940 --> 00:10:43,880
Raunverulega, ef þú ferð á Google eða Bing
og þú leita eitthvað eins og Lady

214
00:10:43,880 --> 00:10:47,060
Hæð Gaga er, þú ert í raun að fara
að fá 5 '1 "í stað upplýsinga

215
00:10:47,060 --> 00:10:50,170
frá henni vegna þess að það skilur í raun
hvað þú ert að tala um.

216
00:10:50,170 --> 00:10:52,140
Svo er það hluti af náttúrulegu
tungumál vinnslu.

217
00:10:52,140 --> 00:10:57,000
>> Eða einnig þegar þú ert að nota Siri, fyrst
þú hefur algrím sem reynir að

218
00:10:57,000 --> 00:11:01,130
þýða það sem þú ert að segja
í orðum, í texta.

219
00:11:01,130 --> 00:11:03,690
Og þá reynir hann að þýða
að í skilningi.

220
00:11:03,690 --> 00:11:06,570
Svo er það allt hluti af náttúru
tungumál vinnslu.

221
00:11:06,570 --> 00:11:08,320
>> Síðan sem þú ert vélþýðingu -

222
00:11:08,320 --> 00:11:10,300
sem er í raun einn
af mínum uppáhalds -

223
00:11:10,300 --> 00:11:14,060
sem er bara að þýða frá
tungumál til annars.

224
00:11:14,060 --> 00:11:17,950
Svo er hægt að hugsa um að þegar þú ert að gera
vél þýðing, hefur þú

225
00:11:17,950 --> 00:11:19,750
óendanlegir möguleikar á setningar.

226
00:11:19,750 --> 00:11:22,960
Þannig að það er engin leið að bara að geyma
hvert einasta þýðing.

227
00:11:22,960 --> 00:11:27,440
Svo þú þarft að koma upp með áhugavert
reiknirit til að vera fær um að

228
00:11:27,440 --> 00:11:30,110
þýða hvert einasta
setning á einhvern hátt.

229
00:11:30,110 --> 00:11:32,483
>> Þið hafið einhverjar spurningar svo langt?

230
00:11:32,483 --> 00:11:34,450
Nei?

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

232
00:11:34,830 --> 00:11:36,900
>> Og hvað erum við að fara að sjá í dag?

233
00:11:36,900 --> 00:11:39,300
Fyrst af öllu, ég ætla að tala um
flokkun vandamál.

234
00:11:39,300 --> 00:11:41,440
Svo eitt sem ég var
segja um spam.

235
00:11:41,440 --> 00:11:46,820
Hvað ég ætla að gera er að, gefið lyrics
á lag, þú geta reyna að reikna út

236
00:11:46,820 --> 00:11:49,810
með miklum líkum
sem er söngvari?

237
00:11:49,810 --> 00:11:53,590
Skulum segja að ég hef lög frá Lady
Gaga og Katy Perry, ef ég gef þér

238
00:11:53,590 --> 00:11:58,130
nýtt lag, getur þú reikna út ef
það er Katy Perry eða Lady Gaga?

239
00:11:58,130 --> 00:12:01,490
>> The second einn, ætla ég bara að fara að tala
um skiptingu vandamál.

240
00:12:01,490 --> 00:12:05,780
Svo ég veit ekki hvort þú krakkar vita, en
Kínversku, japönsku, önnur Asíu

241
00:12:05,780 --> 00:12:08,090
tungumálum, og önnur tungumál
almennt, hafa ekki

242
00:12:08,090 --> 00:12:09,830
bil á milli orða.

243
00:12:09,830 --> 00:12:13,540
Og þá ef þú hugsa um leiðin sem
tölva góður þinn reynir að

244
00:12:13,540 --> 00:12:18,600
skilja máltækni,
það lítur á orð og

245
00:12:18,600 --> 00:12:21,500
reynir að skilja tengsl
milli þeirra, ekki satt?

246
00:12:21,500 --> 00:12:25,440
En svo ef þú ert kínversku, og þú
hafa núll rými, það er mjög erfitt að

247
00:12:25,440 --> 00:12:28,360
finna út hvað er samband
orð, vegna þess að þeir hafa ekki allir

248
00:12:28,360 --> 00:12:29,530
orð fyrst.

249
00:12:29,530 --> 00:12:32,600
Svo þú ert að gera eitthvað sem kallast
skiptingu sem þýðir bara að setja

250
00:12:32,600 --> 00:12:36,490
bil milli hvað við myndum kalla
orð í þessum tungumálum.

251
00:12:36,490 --> 00:12:37,740
Skynsamleg?

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

253
00:12:39,680 --> 00:12:41,540
>> Og þá erum við að fara að
tala um setningafræði.

254
00:12:41,540 --> 00:12:44,050
Svo bara svolítið um náttúrulegt
tungumál vinnslu.

255
00:12:44,050 --> 00:12:45,420
Það er að fara að vera bara yfirlit.

256
00:12:45,420 --> 00:12:50,700
Svo í dag, í rauninni það sem ég vil gera
er gefa ykkur smá af

257
00:12:50,700 --> 00:12:53,930
inni af því eru möguleikarnir
sem þú getur gert með tölvuvæddum

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

259
00:12:54,960 --> 00:13:00,410
Og þá er hægt að sjá hvað þér finnst
er kaldur meðal þessum hlutum.

260
00:13:00,410 --> 00:13:02,270
Og kannski er hægt að hugsa um verkefni
og koma að tala við mig.

261
00:13:02,270 --> 00:13:05,260
Og ég get gefið þér góð ráð
um hvernig á að framkvæma það.

262
00:13:05,260 --> 00:13:09,060
>> Svo setningafræði er að fara til vera a lítill hluti
um Línurit leit og vél

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

264
00:13:09,670 --> 00:13:13,650
Ég ætla bara að fara að gefa dæmi um hvernig
Þú gætir til dæmis þýða

265
00:13:13,650 --> 00:13:16,020
eitthvað frá portúgölsku yfir á ensku.

266
00:13:16,020 --> 00:13:17,830
Hljómar vel?

267
00:13:17,830 --> 00:13:19,293
>> Svo fyrst, flokkun vandamál.

268
00:13:19,293 --> 00:13:23,590
Ég segi að þessi hluti af námskeiðinu
er að fara að vera mest krefjandi

269
00:13:23,590 --> 00:13:27,560
einn bara vegna þess að það er að fara
að vera einhvers erfðaskrá.

270
00:13:27,560 --> 00:13:29,470
En það er að fara að vera Python.

271
00:13:29,470 --> 00:13:34,380
Ég veit að þú krakkar vita ekki Python, svo
Ég ætla bara að fara að útskýra á hár

272
00:13:34,380 --> 00:13:35,750
stigi hvað ég er að gera.

273
00:13:35,750 --> 00:13:40,900
Og þú þarft ekki að alveg sama líka
mikið um setningafræði því það er

274
00:13:40,900 --> 00:13:42,140
eitthvað sem þú krakkar geta lært.

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

276
00:13:42,540 --> 00:13:43,580
Hljómar vel.

277
00:13:43,580 --> 00:13:46,020
>> Svo er það flokkun vandamálið?

278
00:13:46,020 --> 00:13:49,140
Svo þú ert að gefa einhverjum lyrics til
lag, og þú vilt að giska

279
00:13:49,140 --> 00:13:50,620
sem er að syngja það.

280
00:13:50,620 --> 00:13:54,045
Og þetta getur verið af hvaða tagi
annarra vandamála.

281
00:13:54,045 --> 00:13:59,980
Þannig að það getur verið, til dæmis, hefur þú
forsetakosningarnar herferð og þú hafa a

282
00:13:59,980 --> 00:14:02,610
ræðu, og þú vilt að finna
út ef það var, til dæmis,

283
00:14:02,610 --> 00:14:04,470
Obama eða Mitt Romney.

284
00:14:04,470 --> 00:14:07,700
Eða þú getur haft fullt af tölvupósti og
þú vilt að reikna út ef þeir eru

285
00:14:07,700 --> 00:14:08,890
spam eða ekki.

286
00:14:08,890 --> 00:14:11,440
Svo það er bara að flokka sum
Gögn sem byggjast á orðum

287
00:14:11,440 --> 00:14:13,790
sem þú hefur þar.

288
00:14:13,790 --> 00:14:16,295
>> Svo til að gera það, þarftu að
gera nokkrar ályktanir.

289
00:14:16,295 --> 00:14:20,570
Svo mikið um tölvumálvísindum
er gerð forsendur,

290
00:14:20,570 --> 00:14:24,100
yfirleitt sviði forsendur, þannig að
þú getur fengið góðar niðurstöður.

291
00:14:24,100 --> 00:14:26,670
Reyna að búa til módel.

292
00:14:26,670 --> 00:14:31,290
Og þá reyna það út og sjá hvort það virkar,
ef það gefur þér gott nákvæmni.

293
00:14:31,290 --> 00:14:33,940
Og ef það gerist, þá ertu
reyna að bæta það.

294
00:14:33,940 --> 00:14:37,640
Ef það virkar ekki, þú ert eins og OK, kannski ég
ætti að gera aðra forsendu.

295
00:14:37,640 --> 00:14:44,030
>> Svo þeirri forsendu að við erum að fara að
gera er að listamaður yfirleitt syngur

296
00:14:44,030 --> 00:14:49,220
um efni mörgum sinnum, og kannski
notar orð mörgum sinnum bara

297
00:14:49,220 --> 00:14:50,270
vegna þess að þeir eru vanir því.

298
00:14:50,270 --> 00:14:51,890
Þú getur bara að hugsa um vin þinn.

299
00:14:51,890 --> 00:14:57,350
Ég er viss um að þú krakkar hafa allir vinir
sem segja undirskrift setningu þeirra,

300
00:14:57,350 --> 00:14:59,260
bókstaflega fyrir hvert einasta setning -

301
00:14:59,260 --> 00:15:02,660
eins og sumir sérstakur orð eða einhverjum tilteknum
setningu sem þeir segja fyrir

302
00:15:02,660 --> 00:15:04,020
hvert einasta setning.

303
00:15:04,020 --> 00:15:07,920
>> Og hvað er hægt að segja er að ef þú sérð
setning sem hefur undirskrift

304
00:15:07,920 --> 00:15:11,450
setningu, getur þú giska á að sennilega
vinur þinn er

305
00:15:11,450 --> 00:15:13,310
eitt að segja það, ekki satt?

306
00:15:13,310 --> 00:15:18,410
Svo þú gerir það forsendu og þá
það er hvernig þú búa til líkan.

307
00:15:18,410 --> 00:15:24,440
>> Dæmið sem ég ætla að gefa er á
hvernig Lady Gaga, til dæmis, fólk

308
00:15:24,440 --> 00:15:27,430
segja að hún notar "barnið" fyrir
allar hennar númer eitt lög.

309
00:15:27,430 --> 00:15:32,270
Og í raun er þetta myndband sem sýnir
hana að segja orðið "barn" fyrir

310
00:15:32,270 --> 00:15:33,410
mismunandi lög.

311
00:15:33,410 --> 00:15:33,860
>> [Video spilun]

312
00:15:33,860 --> 00:15:34,310
>> - (Söngur) 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
>> [END vídeó spilun-

323
00:15:41,090 --> 00:15:44,020
>> LUCAS Freitas: Þannig að það eru, að ég held,
40 lög hér þar sem hún segir

324
00:15:44,020 --> 00:15:48,690
Orðið "barn". Svo þú getur í rauninni giska
að ef þú sérð lag sem hefur

325
00:15:48,690 --> 00:15:52,180
orðið "barn," það er einhver hár
Líkurnar á að það er Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
En við skulum reyna að þróa þetta
frekar meira formlega.

327
00:15:56,450 --> 00:16:00,470
>> Svo að þetta eru lyrics to lög eftir
Lady Gaga og Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Svo þú horfir á Lady Gaga, þú sérð þær
hafa a einhver fjöldi af tilfelli af "barn," a

329
00:16:04,120 --> 00:16:07,710
fullt af atburðum á "hátt." Og þá
Katy Perry hefur fullt af atburðum sem

330
00:16:07,710 --> 00:16:10,360
"The", a einhver fjöldi af tilfelli af "eldi."

331
00:16:10,360 --> 00:16:14,560
>> Svo í rauninni það sem við viljum
gera er, þú færð Ljóð.

332
00:16:14,560 --> 00:16:20,480
Segjum að þú færð Ljóð fyrir A
lag sem er "barn," bara "barn". Ef

333
00:16:20,480 --> 00:16:24,750
þú færð bara orðið "barn," og þetta
er öll gögn sem þú hefur frá

334
00:16:24,750 --> 00:16:27,880
Lady Gaga og Katy Perry, sem myndi
þú giska er sá

335
00:16:27,880 --> 00:16:29,370
sem syngur lagið?

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

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

338
00:16:33,150 --> 00:16:37,400
Vegna þess að hún er sú eina sem segir
"Barnið." Þetta hljómar heimskur, ekki satt?

339
00:16:37,400 --> 00:16:38,760
OK, þetta er mjög auðvelt.

340
00:16:38,760 --> 00:16:41,860
Ég er bara að horfa á tvö lög og
Auðvitað, hún er sú eina sem hefur

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

342
00:16:42,660 --> 00:16:44,740
>> En hvað ef þú ert með fullt af orðum?

343
00:16:44,740 --> 00:16:50,900
Ef þú hefur í raun lyric, eitthvað
eins, "elskan, ég bara

344
00:16:50,900 --> 00:16:51,610
fór að sjá A [? CFT?]

345
00:16:51,610 --> 00:16:54,020
fyrirlestur, "eða eitthvað svoleiðis, og
þá þú ert í raun að reikna út -

346
00:16:54,020 --> 00:16:55,780
byggt á öllum þeim orðum -

347
00:16:55,780 --> 00:16:58,350
sem er listamaður sem líklega
söng þetta lag?

348
00:16:58,350 --> 00:17:01,860
Þannig að við skulum reyna að þróa
þetta aðeins lengra.

349
00:17:01,860 --> 00:17:05,630
>> OK, svo byggt bara á þeim gögnum sem við
fékk, það virðist sem Gaga er sennilega

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

351
00:17:06,260 --> 00:17:07,904
En hvernig getum við skrifað
þetta meira formlega?

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

353
00:17:10,579 --> 00:17:13,140
Og það er að fara til vera a lítill
hluti af tölfræði.

354
00:17:13,140 --> 00:17:15,880
Þannig að ef þú villast, bara að reyna
að skilja hugtakið.

355
00:17:15,880 --> 00:17:18,700
Það skiptir ekki máli ef þú skilur
jöfnur fullkomlega vel.

356
00:17:18,700 --> 00:17:22,150
Þetta er allt að fara að vera online.

357
00:17:22,150 --> 00:17:25,490
>> Svo í rauninni er það sem ég er að reikna á
Líkurnar á að þetta lag er með

358
00:17:25,490 --> 00:17:28,040
Lady Gaga í ljósi þess að -

359
00:17:28,040 --> 00:17:30,660
þannig að þetta barnum þýðir í ljósi þess að -

360
00:17:30,660 --> 00:17:33,680
Ég sá orðið "barn".
Er að skynsamleg?

361
00:17:33,680 --> 00:17:35,540
Þannig að ég ætla að reyna að reikna
sem líkur.

362
00:17:35,540 --> 00:17:38,540
>> Svo er það þetta setning kallast
Bayes setningin sem segir að

363
00:17:38,540 --> 00:17:43,330
líkurnar á tilteknu B, er
líkur á B gefið, sinnum

364
00:17:43,330 --> 00:17:47,660
líkur á, yfir líkur
af B. Þetta er löng jafna.

365
00:17:47,660 --> 00:17:51,970
En það sem þú verður að skilja frá
sem er að þetta er það sem ég vil

366
00:17:51,970 --> 00:17:52,830
reikna, ekki satt?

367
00:17:52,830 --> 00:17:56,570
Svo líkurnar á því að það lag er með
Lady Gaga í ljósi þess að ég sá orðið

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

369
00:17:58,230 --> 00:18:02,960
>> Og nú er það sem ég er að fá
líkur á orðinu "barn" gefið

370
00:18:02,960 --> 00:18:04,390
að ég hef Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
Og hvað er að í grundvallaratriðum?

372
00:18:07,220 --> 00:18:10,500
Hvað það þýðir er, hvað er
líkur á að sjá orðið "barn"

373
00:18:10,500 --> 00:18:12,130
í Gaga lyrics?

374
00:18:12,130 --> 00:18:16,240
Ef ég vil að reikna út að í mjög
einföld leið, það er bara fjöldi

375
00:18:16,240 --> 00:18:23,640
oft ég sjá "barnið" yfir heildarfjölda
orða í Gaga lyrics, ekki satt?

376
00:18:23,640 --> 00:18:27,600
Hver er tíðni sem ég sé
þessi orð í verki Gaga er?

377
00:18:27,600 --> 00:18:30,530
Skynsamleg?

378
00:18:30,530 --> 00:18:33,420
>> Seinni tíma er
líkur á Gaga.

379
00:18:33,420 --> 00:18:34,360
Hvað þýðir það?

380
00:18:34,360 --> 00:18:38,550
Það þýðir í rauninni, hvað er
líkur á að flokka

381
00:18:38,550 --> 00:18:40,690
sumir Lyrics sem Gaga?

382
00:18:40,690 --> 00:18:45,320
Og það er góður af furðulegur, en
við skulum hugsa um dæmi.

383
00:18:45,320 --> 00:18:49,230
Svo skulum segja að líkurnar á
hafa "barnið" í lag er sú sama

384
00:18:49,230 --> 00:18:51,760
for Gaga og Britney Spears.

385
00:18:51,760 --> 00:18:54,950
En Britney Spears hefur tvisvar
fleiri lög en Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Þannig að ef einhver gefur bara af handahófi þér
Lyrics of "Baby," The fyrstur hlutur þú

387
00:19:00,570 --> 00:19:04,710
líta á er, hvað eru líkurnar á
hafa "barnið" í Gaga lagið, "barnið"

388
00:19:04,710 --> 00:19:05,410
í Britney lag?

389
00:19:05,410 --> 00:19:06,460
Og það er sama.

390
00:19:06,460 --> 00:19:10,040
>> Svo annað sem þú munt sjá er,
Jæja, hvað eru líkurnar á

391
00:19:10,040 --> 00:19:13,770
þetta Lyric af sjálfu vera Gaga Ljóð,
og hvað eru líkurnar á

392
00:19:13,770 --> 00:19:15,380
vera Britney Ljóð?

393
00:19:15,380 --> 00:19:18,950
Svo síðan Britney hefur svo marga fleiri lyrics
en Gaga, myndir þú sennilega

394
00:19:18,950 --> 00:19:21,470
segja, vel, þetta er líklega
A Britney Lyric.

395
00:19:21,470 --> 00:19:23,340
Svo að hvers vegna við höfum þetta
litið hérna.

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

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

398
00:19:26,950 --> 00:19:28,660
Er það?

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

400
00:19:29,370 --> 00:19:33,500
>> Og síðasta er bara líkurnar
af "barnið" sem gerir ekki

401
00:19:33,500 --> 00:19:34,810
máli það mikið.

402
00:19:34,810 --> 00:19:39,940
En það er líkur á
sjá "barnið" í ensku.

403
00:19:39,940 --> 00:19:42,725
Við venjulega ekki passa að
mikið um það hugtak.

404
00:19:42,725 --> 00:19:44,490
Er að skynsamleg?

405
00:19:44,490 --> 00:19:48,110
Svo eru líkurnar á Gaga
kallað áður líkur

406
00:19:48,110 --> 00:19:49,530
í bekknum Gaga.

407
00:19:49,530 --> 00:19:53,840
Því það þýðir bara að það er
líkur á því að þessi tegund -

408
00:19:53,840 --> 00:19:55,520
sem er Gaga -

409
00:19:55,520 --> 00:19:59,350
bara almennt, bara
án skilyrða.

410
00:19:59,350 --> 00:20:02,560
>> Og svo þegar ég hef líkur á
Gaga gefin "barn," við köllum það plús

411
00:20:02,560 --> 00:20:06,160
teary líkurnar því það er
líkurnar á því að hafa

412
00:20:06,160 --> 00:20:08,300
Gaga gefið vísbendingar.

413
00:20:08,300 --> 00:20:11,050
Þannig að ég ætla að gefa þér vísbendingar
að ég sá orðið barn og

414
00:20:11,050 --> 00:20:12,690
lagið skynsamleg?

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
>> Þannig að ef ég reiknað út að fyrir hvert
lögin fyrir Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
hvað það væri -

419
00:20:25,916 --> 00:20:27,730
virðist, get ég ekki hreyft þetta.

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

421
00:20:31,850 --> 00:20:36,920
Líkurnar á Gaga verður
eitthvað eins og 2 yfir 24, sinnum 1/2,

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

423
00:20:38,260 --> 00:20:40,640
Það skiptir ekki máli ef þú veist hvað
þessar tölur eru að koma frá.

424
00:20:40,640 --> 00:20:44,750
En það er bara tala sem er að fara
að vera meira en 0, ekki satt?

425
00:20:44,750 --> 00:20:48,610
>> Og svo þegar ég geri Katy Perry, sem
líkur á "barnið" gefið Katy er

426
00:20:48,610 --> 00:20:49,830
þegar 0, ekki satt?

427
00:20:49,830 --> 00:20:52,820
Vegna þess að það er engin "barn"
í Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Svo þá verður þetta 0, og Gaga
vinnur, sem þýðir að Gaga er

429
00:20:56,360 --> 00:20:57,310
líklega söngvari.

430
00:20:57,310 --> 00:20:58,560
Er að skynsamleg?

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
>> Þannig að ef ég vil gera þetta meira opinbert,
Ég get í raun gert líkan

435
00:21:11,750 --> 00:21:12,700
fyrir mörgum orðum.

436
00:21:12,700 --> 00:21:14,610
Svo skulum segja að ég hef eitthvað
eins, "elskan, ég er

437
00:21:14,610 --> 00:21:16,030
á eldinn, "eða eitthvað.

438
00:21:16,030 --> 00:21:17,760
Svo hefur það mörg orð.

439
00:21:17,760 --> 00:21:20,880
Og í þessu tilfelli er hægt að sjá
að "barnið" er í Gaga,

440
00:21:20,880 --> 00:21:21,710
en það er ekki í Katy.

441
00:21:21,710 --> 00:21:24,940
Og "eld" er í Katy, en
það er ekki í Gaga, ekki satt?

442
00:21:24,940 --> 00:21:27,200
Svo það er að fá trickier, ekki satt?

443
00:21:27,200 --> 00:21:31,440
Því það virðist sem þú næstum
hafa lagst á milli.

444
00:21:31,440 --> 00:21:36,980
>> Svo er það sem þú þarft að gera ráð fyrir
independency meðal orðum.

445
00:21:36,980 --> 00:21:41,210
Svo í rauninni hvað það þýðir er að
Ég ætla bara að reikna hvað er

446
00:21:41,210 --> 00:21:44,330
líkur á að sjá "barnið," hvað er
líkurnar á að sjá "Ég," og

447
00:21:44,330 --> 00:21:46,670
"Am", og "á" og "eldur"
allt í sínu lagi.

448
00:21:46,670 --> 00:21:48,670
Þá er ég að margfalda þá alla.

449
00:21:48,670 --> 00:21:52,420
Og ég ætla að sjá hvað eru líkurnar
af því að sjá alla setninguna.

450
00:21:52,420 --> 00:21:55,210
Skynsamleg?

451
00:21:55,210 --> 00:22:00,270
>> Svo í rauninni, ef ég hef bara eitt orð,
það sem ég vil finna er Arg max,

452
00:22:00,270 --> 00:22:05,385
sem þýðir, hvað er tegund sem er
gefa mér hæstu líkur?

453
00:22:05,385 --> 00:22:10,010
Svo er það flokkur sem gefur
mig hæsta líkur fyrir

454
00:22:10,010 --> 00:22:11,940
líkur á bekknum gefið orð.

455
00:22:11,940 --> 00:22:17,610
Svo í þessu tilfelli, Gaga gefið "barni."
Eða Katy gefið "barni." Skynsamleg?

456
00:22:17,610 --> 00:22:21,040
>> Og bara frá Bayes, sem
jöfnu sem ég sýndi,

457
00:22:21,040 --> 00:22:24,780
Við byggjum þessa brot.

458
00:22:24,780 --> 00:22:28,750
Það eina er að þú sérð að
líkurnar á orðinu gefið

459
00:22:28,750 --> 00:22:31,370
flokki breytingar eftir
á bekknum, ekki satt?

460
00:22:31,370 --> 00:22:34,260
Fjölda "barnið" s sem ég hef
í Gaga er frábrugðin Katy.

461
00:22:34,260 --> 00:22:37,640
Líkurnar á bekknum einnig
breytingar vegna þess að það er bara tala

462
00:22:37,640 --> 00:22:39,740
af lögum hvert þeirra hefur.

463
00:22:39,740 --> 00:22:43,980
>> En líkurnar á að leggja í orðið
er að fara til vera the sami fyrir alla

464
00:22:43,980 --> 00:22:44,740
listamenn, ekki satt?

465
00:22:44,740 --> 00:22:47,150
Svo eru líkurnar á orðinu
bara, hvað eru líkurnar á

466
00:22:47,150 --> 00:22:49,820
sjá þessi orð í
Enska?

467
00:22:49,820 --> 00:22:51,420
Svo það er sama fyrir alla.

468
00:22:51,420 --> 00:22:55,790
Svo þar sem þetta er fasti, við getum bara
lækka á þessu og ekki hugsa um það.

469
00:22:55,790 --> 00:23:00,230
Þannig að þetta verður í raun
Jafna við erum að leita að.

470
00:23:00,230 --> 00:23:03,360
>> Og ef ég hef mörg orð, er ég
enn að fara að hafa fyrir

471
00:23:03,360 --> 00:23:04,610
Líkur hér.

472
00:23:04,610 --> 00:23:06,980
Það eina er að ég er að margfalda
líkurnar á

473
00:23:06,980 --> 00:23:08,490
öll önnur orð.

474
00:23:08,490 --> 00:23:10,110
Þannig að ég ætla að margfalda þá alla.

475
00:23:10,110 --> 00:23:12,610
Skynsamleg?

476
00:23:12,610 --> 00:23:18,440
Það lítur skrítið en í rauninni þýðir,
reikna fyrir í bekknum, og

477
00:23:18,440 --> 00:23:22,100
síðan margfalda með því að líkum á hvert
þessara orða sé í þeim flokki.

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

479
00:23:24,620 --> 00:23:29,150
>> Og þú veist að líkur á
Orðið gefið bekknum er að fara að vera

480
00:23:29,150 --> 00:23:34,520
hversu oft þú sérð þessi orð í
sem bekknum, deilt með fjölda

481
00:23:34,520 --> 00:23:37,020
orð sem þú hefur í að
flokki almennt.

482
00:23:37,020 --> 00:23:37,990
Skynsamleg?

483
00:23:37,990 --> 00:23:41,680
Það er bara hvernig "barnið" var 2 yfir
fjöldi orða sem

484
00:23:41,680 --> 00:23:43,020
Ég hafði í textanum.

485
00:23:43,020 --> 00:23:45,130
Svo bara tíðni.

486
00:23:45,130 --> 00:23:46,260
>> En það er einn hlutur.

487
00:23:46,260 --> 00:23:51,250
Man hvernig ég var að sýna að
líkur á "barnið" að vera lyrics

488
00:23:51,250 --> 00:23:56,350
frá Katy Perry var 0 bara vegna Katy
Perry þurfti ekki "barnið" yfirleitt?

489
00:23:56,350 --> 00:24:04,900
En það hljómar svolítið sterk að bara
einfaldlega að segja að Lyrics getur ekki verið frá

490
00:24:04,900 --> 00:24:10,040
listamaður bara vegna þess að þeir hafa ekki
að orðið einkum á hverjum tíma.

491
00:24:10,040 --> 00:24:13,330
>> Svo þú gætir bara sagt, vel, ef þú
ekki þetta orð, ég ætla að

492
00:24:13,330 --> 00:24:15,640
gefa þér minni líkur,
en ég ætla bara ekki að fara að

493
00:24:15,640 --> 00:24:17,420
gefa þér 0 strax.

494
00:24:17,420 --> 00:24:21,040
Því ef til vill það var eitthvað eins og,
"Eldur, eldur, eldur, eldur", sem er

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

496
00:24:21,990 --> 00:24:26,060
Og þá "barnið" og fer það bara að
0 strax því það var eitt

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

498
00:24:27,250 --> 00:24:31,440
>> Svo í rauninni það sem við gerum er eitthvað
heitir Laplace refur.

499
00:24:31,440 --> 00:24:36,260
Og þetta þýðir bara að ég ætla að gefa
Nokkrar líkur jafnvel til orð

500
00:24:36,260 --> 00:24:37,850
sem ekki eru fyrir hendi.

501
00:24:37,850 --> 00:24:43,170
Svo er það sem ég geri það þegar ég er
reikna þetta, bæti ég alltaf 1 til

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

503
00:24:44,180 --> 00:24:48,060
Svo jafnvel ef orðið er ekki til staðar, með
þetta mál, ef þetta er 0, ég er enn

504
00:24:48,060 --> 00:24:51,250
reikna þetta sem 1 yfir
heildarfjölda orða.

505
00:24:51,250 --> 00:24:55,060
Annars, ég fæ hversu mörg orð
Ég hef og ég við 1.

506
00:24:55,060 --> 00:24:58,300
Þannig að ég ætla að telja fyrir báðum tilvikum.

507
00:24:58,300 --> 00:25:00,430
Skynsamleg?

508
00:25:00,430 --> 00:25:03,060
>> Svo nú skulum gera sumir kóðun.

509
00:25:03,060 --> 00:25:06,440
Ég ætla að hafa til að gera það nokkuð hratt,
en það er bara mikilvægt að þú

510
00:25:06,440 --> 00:25:08,600
krakkar skilja hugtök.

511
00:25:08,600 --> 00:25:13,450
Svo það sem við erum að reyna að gera
er einmitt að framkvæma þetta

512
00:25:13,450 --> 00:25:14,330
hlutur sem ég sagði bara -

513
00:25:14,330 --> 00:25:19,110
Ég vil að þú setja lyrics frá
Lady Gaga og Katy Perry.

514
00:25:19,110 --> 00:25:22,980
Og the program er að fara að vera fær um að
segja ef þessi nýju Lyrics eru frá Gaga

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

516
00:25:24,170 --> 00:25:25,800
Skynsamleg?

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

518
00:25:27,530 --> 00:25:30,710
>> Þannig að ég hef þetta forrit sem ég ætla
að hringja classify.py.

519
00:25:30,710 --> 00:25:31,970
Þannig að þetta er Python.

520
00:25:31,970 --> 00:25:34,210
Það er nýtt forritunarmál.

521
00:25:34,210 --> 00:25:38,020
Það er mjög svipað í sumum
Leiðir til C og PHP.

522
00:25:38,020 --> 00:25:43,180
Það er svipað því ef þú vilt að
læra Python eftir að vita C, það er

523
00:25:43,180 --> 00:25:46,270
í raun ekki þessi mikill af a áskorun
bara vegna þess að Python er mun auðveldara

524
00:25:46,270 --> 00:25:47,520
en C, fyrst af öllu.

525
00:25:47,520 --> 00:25:49,370
Og margt eru nú þegar
framkvæmda fyrir þig.

526
00:25:49,370 --> 00:25:56,820
Svo eins og PHP er bara hvernig aðgerðir sem
raða lista, eða bæta eitthvað

527
00:25:56,820 --> 00:25:58,780
til fjölda, eða bla, bla, bla.

528
00:25:58,780 --> 00:26:00,690
Python hefur alla þá eins og heilbrigður.

529
00:26:00,690 --> 00:26:05,960
>> Þannig að ég ætla bara að fara að útskýra hratt
hvernig við gætum gert flokkun

530
00:26:05,960 --> 00:26:07,860
vandamál fyrir hér.

531
00:26:07,860 --> 00:26:13,230
Svo skulum segja að í þessu tilfelli, ég hef
lyrics from Gaga og Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Leiðin sem ég hef þá lyrics er að
fyrstu orð textanum er

533
00:26:21,880 --> 00:26:25,250
nafn flytjanda, og
restin er the lyrics.

534
00:26:25,250 --> 00:26:29,470
Svo skulum segja að ég hef þennan lista í
sem sá fyrsti er lyrics by Gaga.

535
00:26:29,470 --> 00:26:31,930
Svo hér er ég á réttri leið.

536
00:26:31,930 --> 00:26:35,270
Og hið næsta er Katy, og
það hefur einnig textana.

537
00:26:35,270 --> 00:26:38,040
>> Svo er þetta hvernig þú lýsa
breytu í Python.

538
00:26:38,040 --> 00:26:40,200
Þú þarft ekki að gefa gögn tegund.

539
00:26:40,200 --> 00:26:43,150
Þú skrifar bara "lyrics,"
konar eins og í PHP.

540
00:26:43,150 --> 00:26:44,890
Skynsamleg?

541
00:26:44,890 --> 00:26:47,770
>> Svo það eru hlutir sem ég þarf að
reikna til að vera fær um að reikna út

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

543
00:26:49,360 --> 00:26:55,110
Ég verð að reikna "priors"
af hver á mismunandi

544
00:26:55,110 --> 00:26:56,710
flokkar sem ég hef.

545
00:26:56,710 --> 00:27:06,680
Ég verð að reikna "posteriors,"
eða nánast líkur á

546
00:27:06,680 --> 00:27:12,150
hvert hinna mismunandi orðum sem
Ég get haft fyrir hvern tónlistarmann.

547
00:27:12,150 --> 00:27:17,210
Svo innan Gaga, til dæmis, ég er að fara
að hafa lista yfir hve oft ég sé

548
00:27:17,210 --> 00:27:19,250
hvert orð.

549
00:27:19,250 --> 00:27:20,760
Skynsamleg?

550
00:27:20,760 --> 00:27:25,370
>> Og að lokum, ég ætla bara að fara að hafa
listi sem heitir "orð" sem er bara að fara

551
00:27:25,370 --> 00:27:29,780
að hafa hversu mörg orð ég
hafa fyrir hvern tónlistarmann.

552
00:27:29,780 --> 00:27:33,760
Svo for Gaga, til dæmis, þegar ég lít
að textanum, sem ég hafði, held ég, 24

553
00:27:33,760 --> 00:27:34,750
orð í aðaleinkunn.

554
00:27:34,750 --> 00:27:38,970
Svo þessi listi er bara að fara að hafa
Gaga 24. og Katy annað númer.

555
00:27:38,970 --> 00:27:40,130
Skynsamleg?

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

557
00:27:40,560 --> 00:27:42,530
>> Svo nú, í raun, við skulum
fara í erfðaskrá.

558
00:27:42,530 --> 00:27:45,270
Svo í Python, getur þú í raun
skila fullt af mismunandi

559
00:27:45,270 --> 00:27:46,630
hlutir úr aðgerð.

560
00:27:46,630 --> 00:27:50,810
Þannig að ég ætla að búa til þessa aðgerð
kallast "skilyrt", sem er að fara

561
00:27:50,810 --> 00:27:53,890
til að fara aftur alla þá hluti, sem
"priors," the "líkur" og

562
00:27:53,890 --> 00:28:05,690
"orð." Svo "skilyrt" og það er
að fara að hringja í "lyrics".

563
00:28:05,690 --> 00:28:11,510
>> Svo nú vil ég að þú í raun og veru
skrifa þessa aðgerð.

564
00:28:11,510 --> 00:28:17,750
Svo leið að ég get skrifað þetta
virka er skilgreint ég bara þetta

565
00:28:17,750 --> 00:28:20,620
virka með "def." Svo ég gerði "def
skilyrt, "og það tekur

566
00:28:20,620 --> 00:28:28,700
"Lyrics." Og hvað þetta er að fara að gera
er fyrst af öllu, ég hef priors mínar

567
00:28:28,700 --> 00:28:31,030
að ég vil að reikna.

568
00:28:31,030 --> 00:28:34,330
>> Svo leið að ég get gert þetta er búið
orðabók í Python, sem

569
00:28:34,330 --> 00:28:37,320
er laglegur mikill the sami hlutur eins og a kjötkássa
borð, eða það er eins og endurtekningu

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

571
00:28:40,480 --> 00:28:44,150
Þetta er hvernig ég lýsa yfir orðabók.

572
00:28:44,150 --> 00:28:53,580
Og í rauninni hvað þetta þýðir er að
priors af Gaga er 0,5, til dæmis, ef

573
00:28:53,580 --> 00:28:57,200
50% af textanum eru frá
Gaga, 50% eru frá Katy.

574
00:28:57,200 --> 00:28:58,450
Skynsamleg?

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

576
00:29:00,680 --> 00:29:03,680
Svo ég verð að reikna út hvernig
að reikna priors.

577
00:29:03,680 --> 00:29:07,120
>> Næstu þær sem ég þarf að gera, einnig,
eru líkur og orð.

578
00:29:07,120 --> 00:29:17,100
Svo líkur á Gaga er listi
af öllum líkum sem ég

579
00:29:17,100 --> 00:29:19,160
hafa fyrir hvert orð fyrir Gaga.

580
00:29:19,160 --> 00:29:23,880
Þannig að ef ég fer til líkur á Gaga
"Elskan," til dæmis, það mun gefa mér

581
00:29:23,880 --> 00:29:28,750
eitthvað eins og 2 yfir 24 í því tilfelli.

582
00:29:28,750 --> 00:29:30,070
Skynsamleg?

583
00:29:30,070 --> 00:29:36,120
Svo ég fer að "líkur," fara til
"Gaga" fötu sem hefur a listi af öllum

584
00:29:36,120 --> 00:29:40,550
the Gaga orð, þá fer ég til að "barnið"
og ég sé líkur.

585
00:29:40,550 --> 00:29:45,940
>> Og að lokum ég hef þetta
"Orðin" orðabók.

586
00:29:45,940 --> 00:29:53,620
Svo hér, "líkur." Og þá
"orð." Svo ef ég "orð", "Gaga,"

587
00:29:53,620 --> 00:29:58,330
hvað er að fara að gerast er að það er
að fara að gefa mér 24 og sagði að ég

588
00:29:58,330 --> 00:30:01,990
hafa 24 orð innan lyrics from Gaga.

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

590
00:30:04,110 --> 00:30:07,070
Svo hér, "orð" er jafnt og dah-dah-dah.

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

592
00:30:07,620 --> 00:30:12,210
>> Svo er það sem ég ætla að gera ég ætla að
kunnugt er yfir hvert af textanum, svo

593
00:30:12,210 --> 00:30:14,490
hver af strengir sem
Ég hef á listanum.

594
00:30:14,490 --> 00:30:18,040
Og ég ætla að reikna þá hluti
fyrir hvert frambjóðendur.

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

596
00:30:19,950 --> 00:30:21,700
Svo ég verð að gera á fyrir lykkja.

597
00:30:21,700 --> 00:30:26,300
>> Svo í Python hvað ég get gert er "fyrir línu
í texta. "það sama og að

598
00:30:26,300 --> 00:30:28,000
"Fyrir hverja" yfirlýsingu í PHP.

599
00:30:28,000 --> 00:30:33,420
Muna hvernig ef það var PHP ég gat
segja "fyrir hverja lögin sem

600
00:30:33,420 --> 00:30:35,220
lína. "Vit?

601
00:30:35,220 --> 00:30:38,900
Þannig að ég ætla að taka hverja af línunum, í þessu
tilfelli, þetta band og næsta

602
00:30:38,900 --> 00:30:44,540
band svo fyrir hvert af línunum sem ég er að
að fara að gera er fyrst, ég ætla að

603
00:30:44,540 --> 00:30:49,150
kljúfa þessa línu í lista yfir
orð eftir í reitinn.

604
00:30:49,150 --> 00:30:53,730
>> Svo er kaldur hlutur óður í Python sem
þú gætir bara Google eins og "hvernig get ég

605
00:30:53,730 --> 00:30:58,220
kljúfa streng í orð? "Og það er
að fara að segja þér hvernig á að gera það.

606
00:30:58,220 --> 00:31:04,890
Og leið til að gera það, það er bara "lína
= Line.split () "og það er í rauninni

607
00:31:04,890 --> 00:31:08,640
að fara að gefa þér lista með
hvert orð hér.

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

609
00:31:09,620 --> 00:31:15,870
Svo nú er að ég gerði það sem ég vil vita
sem er söngvari það lag.

610
00:31:15,870 --> 00:31:20,130
Og til að gera að ég hef bara til að fá
Fyrsti þáttur í fjölbreytta, ekki satt?

611
00:31:20,130 --> 00:31:26,390
Svo ég get bara sagt að ég "söngvari
= Lína (0) "Vit?

612
00:31:26,390 --> 00:31:32,010
>> Og þá er það sem ég þarf að gera, fyrst af
allt, ég ætla að uppfæra hversu margir

613
00:31:32,010 --> 00:31:36,130
Orðin, sem ég hef undir "Gaga." þannig að ég er bara
fara að reikna hversu mörg orð ég

614
00:31:36,130 --> 00:31:38,690
hafa í þessum lista, ekki satt?

615
00:31:38,690 --> 00:31:41,910
Því þetta er hversu mörg orð sem ég hef
í textanum og ég ætla bara að fara að

616
00:31:41,910 --> 00:31:44,120
bæta því við "Gaga" fylkisins.

617
00:31:44,120 --> 00:31:47,090
Er að skynsamleg?

618
00:31:47,090 --> 00:31:49,010
Ekki einblína of mikið á setningafræði.

619
00:31:49,010 --> 00:31:50,430
Hugsa meira um þær hugmyndir.

620
00:31:50,430 --> 00:31:52,400
Það er mikilvægur hluti.

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

622
00:31:52,720 --> 00:32:00,260
>> Svo er það sem ég get gert það ef "Gaga" er
þegar í þeim lista, þannig að "ef söngvari

623
00:32:00,260 --> 00:32:03,190
Orðin "sem þýðir að ég þegar
hafa orð með Gaga.

624
00:32:03,190 --> 00:32:06,640
Ég vil bara að bæta frekari
orð um það.

625
00:32:06,640 --> 00:32:15,810
Svo það sem ég gera er "orð (söngvara)
+ = Len (lína) - 1 ".

626
00:32:15,810 --> 00:32:18,250
Og þá get ég bara gert það
Lengd línunnar.

627
00:32:18,250 --> 00:32:21,860
Svo hvernig margir þættir I
hafa í array.

628
00:32:21,860 --> 00:32:27,060
Og ég verð að gera mínus 1 bara vegna
Fyrsti þátturinn í array er bara

629
00:32:27,060 --> 00:32:29,180
söngvari og þeir eru ekki Lyrics.

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

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

632
00:32:32,780 --> 00:32:35,820
>> "Annars," þá þýðir það að ég vil í raun og veru
setja Gaga inn á listann.

633
00:32:35,820 --> 00:32:45,990
Svo ég bara "orð (söngvari)
= Len (lína) - 1, "því miður.

634
00:32:45,990 --> 00:32:49,200
Svo að eini munurinn á milli tveggja
línum er að þetta, er það ekki

635
00:32:49,200 --> 00:32:51,080
til enn, þannig að ég er bara
Frumstilli það.

636
00:32:51,080 --> 00:32:53,820
Þetta eina sem ég er í raun að bæta við.

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

638
00:32:55,570 --> 00:32:59,480
Þannig að þetta var að bæta við orðum.

639
00:32:59,480 --> 00:33:03,040
>> Nú vil ég að bæta við priors.

640
00:33:03,040 --> 00:33:05,480
Og hvernig fæ ég reikna priors?

641
00:33:05,480 --> 00:33:11,580
The priors má reikna
eftir því hversu oft.

642
00:33:11,580 --> 00:33:15,340
Svo hvernig margir sinnum þú sérð þessi söngvari
meðal allra söngvaranna sem þú

643
00:33:15,340 --> 00:33:16,380
hafa, ekki satt?

644
00:33:16,380 --> 00:33:18,810
Svo for Gaga og Katy Perry,
í þessu tilfelli, ég sé Gaga

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

646
00:33:20,570 --> 00:33:23,320
>> Svo í grundvallaratriðum priors for Gaga
og Katy Perry vildi

647
00:33:23,320 --> 00:33:24,390
bara vera einn, ekki satt?

648
00:33:24,390 --> 00:33:26,500
Þú bara hversu oft
Ég sé listamanninn.

649
00:33:26,500 --> 00:33:28,740
Þannig að þetta er mjög auðvelt að reikna.

650
00:33:28,740 --> 00:33:34,100
Ég get bara eitthvað svipað og eins og "ef
söngvari í priors, "Ég ætla bara að fara

651
00:33:34,100 --> 00:33:38,970
að bæta 1 til priors kassann þeirra.

652
00:33:38,970 --> 00:33:51,000
Svo, "priors (syngja)" + = 1 "og síðan" annað "
Ég ætla að gera "priors (söngvari)

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

654
00:33:55,000 --> 00:34:00,080
>> Þannig að ef það er ekki til að ég setti bara
og 1, annars ég bæta bara 1.

655
00:34:00,080 --> 00:34:11,280
OK, svo nú er allt sem ég hef eftir að gera
er einnig bætt við hvert orð til

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

657
00:34:12,290 --> 00:34:14,889
Svo ég verð að telja hversu oft
Ég sé hvert orð.

658
00:34:14,889 --> 00:34:18,780
Þannig að ég er bara að gera annað
fyrir lykkju í línunni.

659
00:34:18,780 --> 00:34:25,190
>> Svo fyrsta sem ég ætla að gera er að
athuga hvort söngvari hefur nú þegar

660
00:34:25,190 --> 00:34:26,969
líkur array.

661
00:34:26,969 --> 00:34:31,739
Þannig að ég ætla að athuga hvort söngvari ekki
hafa Líkurnar array, ég er bara

662
00:34:31,739 --> 00:34:34,480
fara að frumstilla einn fyrir þá.

663
00:34:34,480 --> 00:34:36,400
Það er ekki einu fylki, því miður,
það er orðabók.

664
00:34:36,400 --> 00:34:43,080
Svo líkur á söngvari er að fara
að vera opinn orðabók, svo ég er

665
00:34:43,080 --> 00:34:45,830
bara Frumstilli orðabók fyrir það.

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

667
00:34:46,820 --> 00:34:58,330
>> Og nú get ég í raun gert for lykkju
til að reikna út hvert orð '

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

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

670
00:35:01,540 --> 00:35:04,160
Svo er það sem ég get gert fyrir lykkja.

671
00:35:04,160 --> 00:35:06,590
Þannig að ég ætla bara að fara að iterate
yfir fylking.

672
00:35:06,590 --> 00:35:15,320
Svo leið að ég get gert það í Python
er "fyrir i í bili." Frá 1

673
00:35:15,320 --> 00:35:19,200
vegna þess að ég vil byrja á sekúndu
þáttur þar sem fyrsta er

674
00:35:19,200 --> 00:35:20,260
söngvari nafn.

675
00:35:20,260 --> 00:35:24,990
Svo frá einum upp að
Lengd línunnar.

676
00:35:24,990 --> 00:35:29,760
Og þegar ég allt það fara í raun frá
eins og hér frá 1. til Len af

677
00:35:29,760 --> 00:35:30,740
lína mínus 1.

678
00:35:30,740 --> 00:35:33,810
Svo er það að þegar þessi hlutur að gera
n mínus 1 til fylki sem er mjög

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

680
00:35:35,500 --> 00:35:37,850
Vit?

681
00:35:37,850 --> 00:35:42,770
>> Svo fyrir hvert þessara, hvað ég ætla að
gera er, rétt eins og í öðrum,

682
00:35:42,770 --> 00:35:50,320
Ég ætla að athuga hvort orðið í þessu
stöðu í línu er nú þegar í

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

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

685
00:35:53,400 --> 00:35:57,260
Og þá eins og ég sagði hér, líkur
orð, eins og í ég setti

686
00:35:57,260 --> 00:35:58,400
"líkur (söngvara)".

687
00:35:58,400 --> 00:35:59,390
Svo heiti söngvari.

688
00:35:59,390 --> 00:36:03,450
Þannig að ef það er nú þegar í
"Probabilit (söngvari)", þá þýðir það að ég

689
00:36:03,450 --> 00:36:11,960
vilt bæta 1 við það, þannig að ég ætla að
gera "líkindi (söngvara)", og

690
00:36:11,960 --> 00:36:14,100
Orðið er kallað "línu (i)".

691
00:36:14,100 --> 00:36:22,630
Ég ætla að bæta 1 og "annað" ég er bara
fara að frumstilla hana í 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
Vit?

695
00:36:28,420 --> 00:36:30,180
>> Svo, I reiknað allar fylki.

696
00:36:30,180 --> 00:36:36,580
Svo, nú er allt sem ég þarf að gera fyrir
þetta er bara "aftur priors,

697
00:36:36,580 --> 00:36:43,230
líkur og orðum. "Við skulum
sjá hvort það eru einhverjar, OK.

698
00:36:43,230 --> 00:36:45,690
Það virðist allt er að vinna svo langt.

699
00:36:45,690 --> 00:36:46,900
Svo, það er vit í?

700
00:36:46,900 --> 00:36:47,750
Á einhvern hátt?

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

702
00:36:49,280 --> 00:36:51,980
Svo nú hef ég allar líkur.

703
00:36:51,980 --> 00:36:55,100
Svo nú það eina sem ég á eftir
er bara að hafa þessi hlutur sem

704
00:36:55,100 --> 00:36:58,650
reiknar margfeldi allra sem
Líkurnar þegar ég fæ textana.

705
00:36:58,650 --> 00:37:06,270
>> Svo skulum segja að ég vil nú kalla
þessi aðgerð "flokka ()" og

706
00:37:06,270 --> 00:37:08,880
hlutur sem virka tekur
er bara rök.

707
00:37:08,880 --> 00:37:13,170
Skulum segja "Baby, ég er á eldinn" og það er
fara að reikna út hvað er

708
00:37:13,170 --> 00:37:14,490
líkur á því að þetta er Gaga?

709
00:37:14,490 --> 00:37:16,405
Hvaða líkur
að þetta er Katie?

710
00:37:16,405 --> 00:37:19,690
Hljómar vel?

711
00:37:19,690 --> 00:37:25,750
Þannig að ég ætla bara að fara að búa til
nýtt hlutverk sem kallast "flokka ()" og

712
00:37:25,750 --> 00:37:29,180
það er að fara að taka nokkrar
lögin sem vel.

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

714
00:37:31,790 --> 00:37:36,160
Og að auki textana ég líka
verða að senda priors er

715
00:37:36,160 --> 00:37:37,700
líkur og orð.

716
00:37:37,700 --> 00:37:44,000
Þannig að ég ætla að senda ljóð, priors,
líkur, orð.

717
00:37:44,000 --> 00:37:51,840
>> Þannig að þetta er að taka lyrics, priors,
líkur, orð.

718
00:37:51,840 --> 00:37:53,530
Svo, hvað þýðir það ekki?

719
00:37:53,530 --> 00:37:57,180
Það í rauninni er að fara að fara í gegnum allt
mögulegar frambjóðendur sem þú

720
00:37:57,180 --> 00:37:58,510
hafa sem söngvari.

721
00:37:58,510 --> 00:37:59,425
Og hvar eru þessir frambjóðendur?

722
00:37:59,425 --> 00:38:01,020
Þeir eru í priors, ekki satt?

723
00:38:01,020 --> 00:38:02,710
Svo ég hef allar þessar þarna.

724
00:38:02,710 --> 00:38:07,870
Þannig að ég ætla að hafa orðabók
allra mögulegra frambjóðenda.

725
00:38:07,870 --> 00:38:14,220
Og þá fyrir hverja frambjóðandi í
priors, svo það þýðir að það er að fara að

726
00:38:14,220 --> 00:38:17,740
vera Gaga, Katie ef ég hefði
meira sem það væri meira.

727
00:38:17,740 --> 00:38:20,410
Ég ætla að byrja að reikna
Þessar líkur.

728
00:38:20,410 --> 00:38:28,310
Líkurnar eins og við sáum í
PowerPoint er fyrri sinnum

729
00:38:28,310 --> 00:38:30,800
Afurðin sem hvert af
aðrar líkur.

730
00:38:30,800 --> 00:38:32,520
>> Svo ég get gert það sama hérna.

731
00:38:32,520 --> 00:38:36,330
Ég get bara gert líkur er
upphaflega bara fyrir.

732
00:38:36,330 --> 00:38:40,340
Svo priors umsækjenda.

733
00:38:40,340 --> 00:38:40,870
Satt?

734
00:38:40,870 --> 00:38:45,360
Og nú þarf ég að iterate yfir alla
Orðin sem ég hef á lyrics vera

735
00:38:45,360 --> 00:38:48,820
fær um að bæta líkurnar
fyrir hvert þeirra, OK?

736
00:38:48,820 --> 00:38:57,900
Svo, "fyrir orð í lyrics" hvað ég ætla
að gera er að, ef orðið er í

737
00:38:57,900 --> 00:39:01,640
"líkur (frambjóðandi)", sem
þýðir að það er orð sem

738
00:39:01,640 --> 00:39:03,640
frambjóðandi hefur í textum sínum -

739
00:39:03,640 --> 00:39:05,940
til dæmis, "barnið" for Gaga -

740
00:39:05,940 --> 00:39:11,710
hvað ég ætla að gera er að
líkur er að fara að margfalda

741
00:39:11,710 --> 00:39:22,420
um 1 plús líkur á
frambjóðandi fyrir þessi orð.

742
00:39:22,420 --> 00:39:25,710
Og það er kallað "orð".

743
00:39:25,710 --> 00:39:32,440
Þetta deilt með fjölda orða
sem ég hef fyrir að frambjóðandi.

744
00:39:32,440 --> 00:39:37,450
Heildarfjöldi þeirra orða sem ég hef
fyrir söngvari sem ég er að horfa á.

745
00:39:37,450 --> 00:39:40,290
>> "Else". það þýðir að það er nýtt orð
svo það væri eins og til dæmis

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

747
00:39:41,860 --> 00:39:45,760
Þannig að ég vil bara að gera 1 yfir
"Orð (frambjóðandi)".

748
00:39:45,760 --> 00:39:47,710
Svo ég vil ekki að setja þetta hugtak hér.

749
00:39:47,710 --> 00:39:50,010
>> Svo það er að fara að vera í grundvallaratriðum
afritar og límir þetta.

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

751
00:39:54,380 --> 00:39:56,000
En ég ætla að eyða þessum hluta.

752
00:39:56,000 --> 00:39:57,610
Svo það er bara að fara að vera 1 á það.

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

754
00:40:00,900 --> 00:40:02,150
Hljómar vel?

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

756
00:40:03,980 --> 00:40:09,700
Og nú á enda, ég ætla bara að fara að
prenta nafn frambjóðanda og

757
00:40:09,700 --> 00:40:15,750
líkurnar á því að þú hefur af
hafa S textunum sínum.

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

759
00:40:16,200 --> 00:40:18,390
Og ég í raun ekki einu sinni
þörf á þessari orðabók.

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

761
00:40:19,510 --> 00:40:21,810
>> Svo, við skulum sjá hvort þetta í raun virkar.

762
00:40:21,810 --> 00:40:24,880
Þannig að ef ég keyrt þetta, gerði það ekki vinna.

763
00:40:24,880 --> 00:40:26,130
Bíddu eina sekúndu.

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

765
00:40:28,870 --> 00:40:31,720
"Orð (frambjóðandi)", "orð (frambjóðandi)",
það er

766
00:40:31,720 --> 00:40:33,750
nafn fylkisins.

767
00:40:33,750 --> 00:40:41,435
OK Svo segir það að það er einhver padda
fyrir frambjóðanda í priors.

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

769
00:40:46,300 --> 00:40:48,760
Láta mig slappað bara smá.

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

771
00:40:50,360 --> 00:40:51,305
Skulum reyna.

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

773
00:40:51,720 --> 00:40:58,710
>> Svo það gefur Katy Perry hefur þetta
líkur á þessum tímum 10 til

774
00:40:58,710 --> 00:41:02,200
mínus 7, og Gaga hefur þetta
sinnum 10 til mínus 6.

775
00:41:02,200 --> 00:41:05,610
Svo þú sérð að það sýnir að Gaga
hefur meiri líkur.

776
00:41:05,610 --> 00:41:09,260
Svo "Baby, ég er á Fire" er
sennilega Gaga lag.

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

778
00:41:10,580 --> 00:41:12,030
Svo er þetta það sem við gerðum.

779
00:41:12,030 --> 00:41:16,010
>> Þetta númer er að fara að vera staða online,
svo þú krakkar geta stöðva það út.

780
00:41:16,010 --> 00:41:20,720
Kannski nota eitthvað af því að ef þú vilt að
gera verkefni eða eitthvað sambærilegt.

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

782
00:41:22,150 --> 00:41:25,930
Þetta var bara til að sýna
hvaða computational

783
00:41:25,930 --> 00:41:27,230
Málvísindi kóða lítur út.

784
00:41:27,230 --> 00:41:33,040
En nú skulum við fara í fleiri
mikil efni.

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

786
00:41:33,340 --> 00:41:35,150
>> Svo önnur vandamál sem ég
var að tala um -

787
00:41:35,150 --> 00:41:37,550
skiptingu vandamál
er fyrsta af þeim.

788
00:41:37,550 --> 00:41:40,820
Svo þú hefur hér japönsku.

789
00:41:40,820 --> 00:41:43,420
Og svo þú sérð að
Það eru engin bil.

790
00:41:43,420 --> 00:41:49,110
Þannig að þetta er í rauninni þýðir að það er
efst á stól, ekki satt?

791
00:41:49,110 --> 00:41:50,550
Þú talar japönsku?

792
00:41:50,550 --> 00:41:52,840
Það er efst á stólnum, ekki satt?

793
00:41:52,840 --> 00:41:54,480
>> STUDENT: Ég veit ekki hvað
á Kanji yfir er þarna.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS Freitas: Það er [Tal Japanska]

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

796
00:41:57,950 --> 00:42:00,960
Svo þýðir það í rauninni formann ofan.

797
00:42:00,960 --> 00:42:03,620
Þannig að ef þú hefðir til að setja inn bil
það væri hér.

798
00:42:03,620 --> 00:42:05,970
Og þá verður þú [? Ueda-San. ?]

799
00:42:05,970 --> 00:42:09,040
Sem í grundvallaratriðum þýðir Mr Ueda.

800
00:42:09,040 --> 00:42:13,180
Og þú sérð að "Ueda" og þú ert með
rúm og þá "San". Svo þú sérð að

801
00:42:13,180 --> 00:42:15,470
Hér getur þú "Ue" er eins af sjálfu sér.

802
00:42:15,470 --> 00:42:17,750
Og hér hefur það eðli
við hliðina á henni.

803
00:42:17,750 --> 00:42:21,720
>> Svo það er ekki eins og í þeim tungumálum
stafir sem þýðir orð það þú svo

804
00:42:21,720 --> 00:42:23,980
bara setja a einhver fjöldi af rýmum.

805
00:42:23,980 --> 00:42:25,500
Stafir tengjast hvert öðru.

806
00:42:25,500 --> 00:42:28,680
Og þeir geta verið saman
eins og tveir, þrír, einn.

807
00:42:28,680 --> 00:42:34,520
Svo þú ert í raun að búa til einhvers konar
af leið til að setja þau rými.

808
00:42:34,520 --> 00:42:38,850
>> Og þetta er að þegar þú færð
gögn frá þessum Asíu tungumálum,

809
00:42:38,850 --> 00:42:40,580
allt kemur unsegmented.

810
00:42:40,580 --> 00:42:45,940
Því að enginn sem skrifar japönsku
eða kínversku skrifar með bilum.

811
00:42:45,940 --> 00:42:48,200
Alltaf þegar þú ert að skrifa kínversku,
Japanska þú skrifar bara allt

812
00:42:48,200 --> 00:42:48,710
með engin bil.

813
00:42:48,710 --> 00:42:52,060
Það skiptir ekki einu sinni skynsamleg
að setja bil.

814
00:42:52,060 --> 00:42:57,960
Svo þá þegar þú fá gögn frá, sumir
Austur Asíu tungumál, ef þú vilt að

815
00:42:57,960 --> 00:43:00,760
raunverulega gera eitthvað við það
þú þarft að hluti fyrst.

816
00:43:00,760 --> 00:43:05,130
>> Hugsa um að gera fordæmi
the lyrics bila.

817
00:43:05,130 --> 00:43:07,950
Þannig að eina ljóð sem þú hefur
verður setningar, ekki satt?

818
00:43:07,950 --> 00:43:09,470
Aðskilin með tímabilum.

819
00:43:09,470 --> 00:43:13,930
En þá hafa bara setninguna mun
ekki raunverulega hjálpa í að gefa upplýsingar

820
00:43:13,930 --> 00:43:17,760
af hverjir þessir Lyrics eru með.

821
00:43:17,760 --> 00:43:18,120
Satt?

822
00:43:18,120 --> 00:43:20,010
Svo þú ættir setur bil fyrst.

823
00:43:20,010 --> 00:43:21,990
Svo hvernig getur þú gert það?

824
00:43:21,990 --> 00:43:24,920
>> Svo kemur þá hugmyndin um tungumál
líkan sem er eitthvað virkilega

825
00:43:24,920 --> 00:43:26,870
mikilvægt fyrir computational
málvísindum.

826
00:43:26,870 --> 00:43:32,790
Svo er tungumál líkan grundvallaratriðum a
borð af líkum sem sýnir

827
00:43:32,790 --> 00:43:36,260
í fyrsta lagi hvað er líkur
af því að hafa orðið á tungumáli?

828
00:43:36,260 --> 00:43:39,590
Svo sýna hvernig tíður orð er.

829
00:43:39,590 --> 00:43:43,130
Og þá einnig að sýna tengsl
milli orða í setningu.

830
00:43:43,130 --> 00:43:51,500
>> Svo er helsta hugmynd, ef útlendingur kom
til þín og sagði heila setningu til að

831
00:43:51,500 --> 00:43:55,600
þú, hvað eru líkurnar á að, fyrir
dæmi, "þetta er systir mín [? GTF"?]

832
00:43:55,600 --> 00:43:57,480
var setning sem maðurinn sagði?

833
00:43:57,480 --> 00:44:00,380
Svo augljóslega sumir setningar eru
algengari en aðrir.

834
00:44:00,380 --> 00:44:04,450
Til dæmis, "Góðan daginn," eða "gott
nótt, "eða" Hey there, "er miklu meira

835
00:44:04,450 --> 00:44:08,260
sameiginlegt en flest setningar
að við höfum ensku.

836
00:44:08,260 --> 00:44:11,060
Svo hvers vegna eru þessir setningar
tíðari?

837
00:44:11,060 --> 00:44:14,060
>> Fyrst af öllu, er það vegna þess að þú ert
orð sem eru algengari.

838
00:44:14,060 --> 00:44:20,180
Svo, til dæmis, ef þú segir, hundurinn er
stór, og hundurinn er risa, þú

839
00:44:20,180 --> 00:44:23,880
yfirleitt sennilega heyra hundurinn er stór
oftar vegna "stór" er meira

840
00:44:23,880 --> 00:44:27,260
algengari í ensku en "risa."
Svo er einn af

841
00:44:27,260 --> 00:44:30,100
hlutir er orðið tíðni.

842
00:44:30,100 --> 00:44:34,490
>> The second hlutur sem er í raun
Mikilvægt er bara

843
00:44:34,490 --> 00:44:35,490
röð af orðum.

844
00:44:35,490 --> 00:44:39,500
Svo, það er algengt að segja "kötturinn er
inni í kassanum. "en þú gerir venjulega ekki

845
00:44:39,500 --> 00:44:44,250
sjá í "The kassi er inni köttur." svo
þú sérð að það er einhver mikilvægi

846
00:44:44,250 --> 00:44:46,030
í röð af orðum.

847
00:44:46,030 --> 00:44:50,160
Þú getur ekki bara sagt að þeir tveir
setningar hafa sömu líkur

848
00:44:50,160 --> 00:44:53,010
bara vegna þess að þeir hafa sömu orð.

849
00:44:53,010 --> 00:44:55,550
Þú ert í raun að kæra
um það bil röð eins vel.

850
00:44:55,550 --> 00:44:57,650
Skynsamleg?

851
00:44:57,650 --> 00:44:59,490
>> Svo hvað gerum við?

852
00:44:59,490 --> 00:45:01,550
Svo hvað ég gæti reynt að fá þig?

853
00:45:01,550 --> 00:45:04,400
Ég er að reyna að fá þér það sem við
hringja í n-g líkan.

854
00:45:04,400 --> 00:45:09,095
Svo n-g módel grundvallaratriðum ráð
að fyrir hvert orð sem

855
00:45:09,095 --> 00:45:10,960
þú ert í setningu.

856
00:45:10,960 --> 00:45:15,020
Það er líkur á því að þessi
Orðið það veltur ekki aðeins á

857
00:45:15,020 --> 00:45:18,395
tíðni þessi orð í tungumálinu,
heldur einnig á þau orð, sem

858
00:45:18,395 --> 00:45:19,860
eru í kringum hana.

859
00:45:19,860 --> 00:45:25,810
>> Svo til dæmis, oftast þegar þú sérð
eitthvað eins og á eða þú ert

860
00:45:25,810 --> 00:45:28,040
líklega að fara að sjá
nafnorð eftir það, ekki satt?

861
00:45:28,040 --> 00:45:31,750
Því þegar þú ert með preposition
venjulega tekur það nafnorð eftir það.

862
00:45:31,750 --> 00:45:35,540
Eða ef þú ert á sögn sem er gegnvirk
þú venjulega ert að fara að

863
00:45:35,540 --> 00:45:36,630
hafa nafnorð setningu.

864
00:45:36,630 --> 00:45:38,780
Svo það er að fara að hafa nafnorð
einhvers staðar í kringum hana.

865
00:45:38,780 --> 00:45:44,950
>> Svo, í grundvallaratriðum, hvað það gerir er að það
telur líkur á því að hafa

866
00:45:44,950 --> 00:45:47,960
orð við hliðina á hvor aðra, þegar
þú ert að reikna út

867
00:45:47,960 --> 00:45:49,050
líkur á setningu.

868
00:45:49,050 --> 00:45:50,960
Og það er það tungumál
líkan er í grundvallaratriðum.

869
00:45:50,960 --> 00:45:54,620
Bara að segja hvað er líkur
af því að hafa ákveðið

870
00:45:54,620 --> 00:45:57,120
setning á tungumáli?

871
00:45:57,120 --> 00:45:59,110
Svo hvers vegna er það gagnlegt, í grundvallaratriðum?

872
00:45:59,110 --> 00:46:02,390
Og í fyrsta lagi hvað er
N-g líkan, þá?

873
00:46:02,390 --> 00:46:08,850
>> Svo er n-grömm merkir að
hvert orð veltur á

874
00:46:08,850 --> 00:46:12,700
Næsta N mínus 1 orðum.

875
00:46:12,700 --> 00:46:18,150
Svo, í grundvallaratriðum, það þýðir að ef ég lít,
til dæmis, á CS50 TF þegar

876
00:46:18,150 --> 00:46:21,500
Ég reikna líkur á
setningin, þú munt vera eins og "

877
00:46:21,500 --> 00:46:25,280
líkur á því að orðið "er"
sinnum en líkurnar á að þurfa að "

878
00:46:25,280 --> 00:46:31,720
CS50 "sinnum líkurnar á því að fá
"The CS50 TF." Svo, í grundvallaratriðum, telja ég

879
00:46:31,720 --> 00:46:35,720
allar mögulegar leiðir til að teygja það.

880
00:46:35,720 --> 00:46:41,870
>> Og þá oftast þegar þú ert að gera þetta,
eins og í verkefni, að setja N til að vera

881
00:46:41,870 --> 00:46:42,600
í lægra gildi.

882
00:46:42,600 --> 00:46:45,930
Svo hafa yfirleitt bigrams eða trigrams.

883
00:46:45,930 --> 00:46:51,090
Þannig að þú telur bara tvo orðum,
hópur af tveimur orðum, eða þrjú orðum,

884
00:46:51,090 --> 00:46:52,620
bara fyrir árangur málefni.

885
00:46:52,620 --> 00:46:56,395
Og einnig vegna þess að kannski ef þú ert með
eitthvað eins og "The CS50 TF." Þegar þú

886
00:46:56,395 --> 00:47:00,510
hafa "TF", það er mjög mikilvægt að
"CS50" er við hliðina á henni, ekki satt?

887
00:47:00,510 --> 00:47:04,050
Þessir tveir hlutir eru yfirleitt
við hliðina á hvor aðra.

888
00:47:04,050 --> 00:47:06,410
>> Ef þú hugsa um "TF," það er líklega
að fara að hafa það

889
00:47:06,410 --> 00:47:07,890
flokki það er TF'ing fyrir.

890
00:47:07,890 --> 00:47:11,330
Einnig "" er mjög mikilvægt
fyrir CS50 TF.

891
00:47:11,330 --> 00:47:14,570
En ef þú ert eitthvað eins og "The CS50
TF fór í nám og gaf sínum

892
00:47:14,570 --> 00:47:20,060
nemendur sumir nammi. "" Candy "og" the "
hafa ekki tengslum raun, ekki satt?

893
00:47:20,060 --> 00:47:23,670
Þeir eru svo langt frá hvert öðru að
það skiptir ekki máli hvað

894
00:47:23,670 --> 00:47:25,050
orð sem þú hefur.

895
00:47:25,050 --> 00:47:31,210
>> Svo með því að gera bigram eða trigram, það
þýðir bara að þú ert að takmarka

896
00:47:31,210 --> 00:47:33,430
sjálfur að nokkur orð
sem eru í kring.

897
00:47:33,430 --> 00:47:35,810
Skynsamleg?

898
00:47:35,810 --> 00:47:40,630
Svo þegar þú vilt gera skiptingu,
grundvallaratriðum, hvað þú vilt gera er að sjá

899
00:47:40,630 --> 00:47:44,850
hvað eru allar mögulegar leiðir sem
þú getur hluti setninguna.

900
00:47:44,850 --> 00:47:49,090
>> Þannig að þú sérð hvað er
líkur á hvert þessara setningar

901
00:47:49,090 --> 00:47:50,880
fyrirliggjandi í tungumálinu?

902
00:47:50,880 --> 00:47:53,410
Svo er það sem þú gerir eins vel, láta
mér að reyna að setja hér pláss.

903
00:47:53,410 --> 00:47:55,570
Svo þú setja pláss þar
og þú sérð hvað er

904
00:47:55,570 --> 00:47:57,590
líkur á þessi setning?

905
00:47:57,590 --> 00:48:00,240
Síðan sem þú ert eins og OK, kannski
það var ekki gott.

906
00:48:00,240 --> 00:48:03,420
Þannig að ég setti pláss þar og bili
þar, og þú reikna

907
00:48:03,420 --> 00:48:06,240
Líkur nú, og þú sérð að
það er meiri líkur.

908
00:48:06,240 --> 00:48:12,160
>> Svo er þetta reiknirit sem kallast TANGO
skiptingu reiknirit, sem er

909
00:48:12,160 --> 00:48:14,990
reyndar eitthvað sem væri mjög
kaldur til verkefnis, sem

910
00:48:14,990 --> 00:48:20,860
grundvallaratriðum tekur unsegmented texta sem
getur verið japanska eða kínverska eða kannski

911
00:48:20,860 --> 00:48:26,080
English án bila og reynir að setja
bil milli orða og það gerir

912
00:48:26,080 --> 00:48:29,120
að með því að nota tungumál fyrirmynd og
reyna að sjá hvað er hæsta

913
00:48:29,120 --> 00:48:31,270
líkur sem þú getur fengið.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Svo er þetta skiptingu.

916
00:48:33,800 --> 00:48:35,450
>> Nú setningafræði.

917
00:48:35,450 --> 00:48:40,940
Svo, setningafræði er notað fyrir
svo margt núna.

918
00:48:40,940 --> 00:48:44,880
Svo fyrir Línurit Search, fyrir Siri fyrir
nánast hvers konar náttúruleg

919
00:48:44,880 --> 00:48:46,490
tungumál vinnslu sem þú hefur.

920
00:48:46,490 --> 00:48:49,140
Svo hvaða ert the mikilvægur
atriði um Setningafræði?

921
00:48:49,140 --> 00:48:52,390
Svo hafa setningar almennt
það sem við köllum efnisþætti.

922
00:48:52,390 --> 00:48:57,080
Sem eru góður af eins hópa af orðum
sem hafa hlutverki í setningu.

923
00:48:57,080 --> 00:49:02,220
Og þeir geta í raun ekki verið
hvert frá öðru.

924
00:49:02,220 --> 00:49:07,380
>> Svo, ef ég segi, til dæmis, "Lauren elskar
Milo. "Ég veit að" Lauren "er

925
00:49:07,380 --> 00:49:10,180
deildir og þá "elskar
Milo "er líka annað.

926
00:49:10,180 --> 00:49:16,860
Því þú getur ekki sagt eins og "Lauren Milo
elskar "að hafa sömu merkingu.

927
00:49:16,860 --> 00:49:18,020
Það er ekki að fara að hafa
sömu merkingu.

928
00:49:18,020 --> 00:49:22,500
Eða ég get ekki sagt eins og "Milo Lauren
elskar. "Ekki allt hefur sama

929
00:49:22,500 --> 00:49:25,890
sem þýðir að gera það.

930
00:49:25,890 --> 00:49:31,940
>> Þannig að tvær fleiri mikilvæg atriði um
setningafræði eru lexical tegundir sem er

931
00:49:31,940 --> 00:49:35,390
grundvallaratriðum fallið sem þú
hafa fyrir orðum við sig.

932
00:49:35,390 --> 00:49:39,180
Svo þú þarft að vita að "Lauren"
og "Milo" eru nafnorð.

933
00:49:39,180 --> 00:49:41,040
"Love" er sögn.

934
00:49:41,040 --> 00:49:45,660
Og annað mikilvægt hlutur er
að þær séu phrasal tegundir.

935
00:49:45,660 --> 00:49:48,990
Svo þú veist að "elskar Milo"
er í raun orða setningu.

936
00:49:48,990 --> 00:49:52,390
Svo þegar ég segi "Lauren," Ég veit að
Lauren er að gera eitthvað.

937
00:49:52,390 --> 00:49:53,620
Hvað er hún að gera?

938
00:49:53,620 --> 00:49:54,570
Hún elskandi Milo.

939
00:49:54,570 --> 00:49:56,440
Svo það er allt hlutur.

940
00:49:56,440 --> 00:50:01,640
En hluti þess eru
nafnorð og sögn.

941
00:50:01,640 --> 00:50:04,210
En saman, gera þeir sögnin setningu.

942
00:50:04,210 --> 00:50:08,680
>> Svo, hvað getum við gert í raun með
tölvumálvísindum?

943
00:50:08,680 --> 00:50:13,810
Svo ef ég hef eitthvað til dæmis
"Vinir Allison." Ég sjá hvort ég bara

944
00:50:13,810 --> 00:50:17,440
gerði nokkur dæmi um setningarleg tré ég myndi vita að
"Vinir" er nafnorð setningu það er

945
00:50:17,440 --> 00:50:21,480
nafnorð og þá "af Allison" er
prepositional setning þar sem "af" er

946
00:50:21,480 --> 00:50:24,810
tillaga og "Allison" er nafnorð.

947
00:50:24,810 --> 00:50:30,910
Hvað ég gæti gert er að kenna tölvuna mína
að þegar ég hef nafnorð setningu einu og

948
00:50:30,910 --> 00:50:33,080
þá prepositional setningu.

949
00:50:33,080 --> 00:50:39,020
Þannig að í þessu tilfelli, "vinir" og þá "á
Milo "Ég veit að þetta þýðir að

950
00:50:39,020 --> 00:50:43,110
NP2, annað, á NP1.

951
00:50:43,110 --> 00:50:47,680
>> Svo ég get búið til einhvers konar tengslum,
einhvers konar virka fyrir það.

952
00:50:47,680 --> 00:50:52,370
Svo þegar ég sé þessa uppbyggingu, sem
passar nákvæmlega við "vinum

953
00:50:52,370 --> 00:50:56,030
Allison, "Ég veit að Allison
eigandi vinum.

954
00:50:56,030 --> 00:50:58,830
Svo vinir eru eitthvað
sem Allison hefur.

955
00:50:58,830 --> 00:50:59,610
Vit?

956
00:50:59,610 --> 00:51:01,770
Svo er þetta í rauninni það
Línurit Leit gerir.

957
00:51:01,770 --> 00:51:04,360
Það skapar bara reglur
fyrir a einhver fjöldi af hlutur.

958
00:51:04,360 --> 00:51:08,190
Svo "Vinir Allison," "vinir mínir
sem búa í Cambridge, "" vinir mínir

959
00:51:08,190 --> 00:51:12,970
sem fara til Harvard. "Það skapar reglur
fyrir alla þá hluti.

960
00:51:12,970 --> 00:51:14,930
>> Nú vél þýðingar.

961
00:51:14,930 --> 00:51:18,850
Svo, vél þýðingar er einnig
eitthvað tölfræðilegt.

962
00:51:18,850 --> 00:51:21,340
Og í raun ef þú taka þátt í
tölvumálvísindum, fullt af

963
00:51:21,340 --> 00:51:23,580
dótið þitt er að fara að vera tölfræði.

964
00:51:23,580 --> 00:51:26,670
Svo eins og ég var að gera dæmi með
a einhver fjöldi af líkum sem ég var

965
00:51:26,670 --> 00:51:30,540
útreikning, og þá færðu að þetta
mjög lítil tala sem er endanleg

966
00:51:30,540 --> 00:51:33,180
líkur, og það er það
gefur þér svar.

967
00:51:33,180 --> 00:51:37,540
Vél þýðing notar einnig
tölfræðileg módel.

968
00:51:37,540 --> 00:51:44,790
Og ef þú vilt að hugsa um vél
Þýðing á einfaldasta mögulegt

969
00:51:44,790 --> 00:51:48,970
leið, hvað þú getur hugsa er bara
þýða orð af orði, ekki satt?

970
00:51:48,970 --> 00:51:52,150
>> Þegar þú ert að læra tungumál fyrir
fyrsta skipti, það er yfirleitt það

971
00:51:52,150 --> 00:51:52,910
þú gerir, ekki satt?

972
00:51:52,910 --> 00:51:57,050
Ef þú vilt að þýða setningu
á þínu tungumáli yfir á tungumálið

973
00:51:57,050 --> 00:52:00,060
þú ert að læra, oftast fyrst, þú
þýða hvert orð

974
00:52:00,060 --> 00:52:03,180
sig, og þá reyna
að setja orð í stað.

975
00:52:03,180 --> 00:52:07,100
>> Þannig að ef ég vildi að þýða þetta,
[Tal PORTÚGAL]

976
00:52:07,100 --> 00:52:10,430
sem þýðir "hvíti kötturinn hljóp í burtu."
Ef ég vildi að þýða það frá

977
00:52:10,430 --> 00:52:13,650
Portúgalska á ensku, það sem ég
gæti gert er fyrst, ég bara

978
00:52:13,650 --> 00:52:14,800
þýða orð af orði.

979
00:52:14,800 --> 00:52:20,570
Svo "o" er "," "Gato", "köttur"
"Branco," "hvítur" og síðan "fugio" er

980
00:52:20,570 --> 00:52:21,650
"Hljóp í burtu."

981
00:52:21,650 --> 00:52:26,130
>> Svo þá hef ég öll þau orð hér,
en þeir eru ekki í röð.

982
00:52:26,130 --> 00:52:29,590
Það er eins og "kötturinn hvítur hljóp í burtu"
sem er ungrammatical.

983
00:52:29,590 --> 00:52:34,490
Svo er, þá get ég haft annað skref, sem
er að fara að finna hið fullkomna

984
00:52:34,490 --> 00:52:36,610
staða fyrir hvert orð.

985
00:52:36,610 --> 00:52:40,240
Þannig að ég veit að ég vil í raun hafa
"Hvítur köttur" í stað "köttur hvítur." Svo

986
00:52:40,240 --> 00:52:46,050
hvað ég get gert er, mest barnalegt Method
væri að búa til allar

987
00:52:46,050 --> 00:52:49,720
mögulegar permutations af
orð, staða.

988
00:52:49,720 --> 00:52:53,300
Og þá sjá hver einn hefur
hæsta líkur samkvæmt

989
00:52:53,300 --> 00:52:54,970
að tungumál módel.

990
00:52:54,970 --> 00:52:58,390
Og svo þegar ég finna einn sem hefur
hæsta líkur það, sem er

991
00:52:58,390 --> 00:53:01,910
sennilega "hvíta köttur hljóp í burtu,"
sem er þýðing mín.

992
00:53:01,910 --> 00:53:06,710
>> Og þetta er einföld leið til að útskýra
hversu mikið af þýðingar vél

993
00:53:06,710 --> 00:53:07,910
reiknirit vinna.

994
00:53:07,910 --> 00:53:08,920
Er að skynsamleg?

995
00:53:08,920 --> 00:53:12,735
Þetta er líka eitthvað mjög spennandi
að þið getið kannski kanna fyrir

996
00:53:12,735 --> 00:53:13,901
Lokaverkefni, já?

997
00:53:13,901 --> 00:53:15,549
>> STUDENT: Jæja, þú sagðir að það væri
barnaleg leið, svo er það

998
00:53:15,549 --> 00:53:17,200
the non-barnaleg leið?

999
00:53:17,200 --> 00:53:18,400
>> LUCAS Freitas: The non-barnaleg leið?

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Svo það fyrsta sem er slæmt um
Þessi aðferð er að ég þýddi bara

1002
00:53:22,860 --> 00:53:24,330
orð, orð af orði.

1003
00:53:24,330 --> 00:53:30,570
En maður þarf stundum orð sem
getur haft mörg þýðingar.

1004
00:53:30,570 --> 00:53:32,210
Ég ætla að reyna að hugsa
um eitthvað.

1005
00:53:32,210 --> 00:53:37,270
Til dæmis, "Manga" á portúgölsku dós
annað hvort að vera "mangle" eða "ermi." Svo

1006
00:53:37,270 --> 00:53:40,450
þegar þú ert að reyna að þýða orð
af orði, gæti það verið að gefa þér

1007
00:53:40,450 --> 00:53:42,050
eitthvað sem gerir ekkert vit.

1008
00:53:42,050 --> 00:53:45,770
>> Svo þú vilt í raun að þú horfir á alla
mögulegar þýðingar á

1009
00:53:45,770 --> 00:53:49,840
orð og sjá, fyrst af öllu,
hvað er til.

1010
00:53:49,840 --> 00:53:52,000
Við vorum að tala um permutating
hlutir?

1011
00:53:52,000 --> 00:53:54,150
Til að sjá allar mögulegar pantanir og
velja einn með hæsta

1012
00:53:54,150 --> 00:53:54,990
líkur?

1013
00:53:54,990 --> 00:53:57,860
Þú getur einnig valið allar mögulegar
þýðingar fyrir hvert

1014
00:53:57,860 --> 00:54:00,510
orð og þá sjá -

1015
00:54:00,510 --> 00:54:01,950
ásamt permutations -

1016
00:54:01,950 --> 00:54:03,710
hver einn hefur hæstu líkur.

1017
00:54:03,710 --> 00:54:08,590
>> Auk þess getur þú líka að líta á ekki
aðeins orð en setningar.

1018
00:54:08,590 --> 00:54:11,700
svo þú getur greina tengsl milli
orð og þá fá

1019
00:54:11,700 --> 00:54:13,210
betri þýðing.

1020
00:54:13,210 --> 00:54:16,690
Einnig er eitthvað annað, þannig að þetta önn
Ég er reyndar að gera rannsóknir á

1021
00:54:16,690 --> 00:54:19,430
Kínverji-ensk vél þýðing,
svo að þýða frá

1022
00:54:19,430 --> 00:54:20,940
Kínverji á ensku.

1023
00:54:20,940 --> 00:54:26,760
>> Og eitthvað sem við gerum er, fyrir utan að nota
við tölfræðilegar upplýsingar, sem er bara

1024
00:54:26,760 --> 00:54:30,570
sjá líkur á að sjá
sumir stöðu í setningu, ég er

1025
00:54:30,570 --> 00:54:35,360
reyndar einnig bæta við nokkrum setningafræði til mín
líkan, segja, ó, ef ég sé svona

1026
00:54:35,360 --> 00:54:39,420
byggingar, þetta er það sem ég vil
að breyta því að þegar ég þýða.

1027
00:54:39,420 --> 00:54:43,880
Svo þú getur líka bætt einhvers konar
þáttur í setningafræði til að gera

1028
00:54:43,880 --> 00:54:47,970
þýðingar skilvirkari
og nákvæmari.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Svo hvernig er hægt að byrja, ef þú vilt
að gera eitthvað í computational

1031
00:54:51,010 --> 00:54:51,980
Málvísindi?

1032
00:54:51,980 --> 00:54:54,560
>> Fyrst, þú velur verkefni
sem felur í sér tungumál.

1033
00:54:54,560 --> 00:54:56,310
Svo, það er svo margt þarna úti.

1034
00:54:56,310 --> 00:54:58,420
Það er svo margir hlutir sem þú getur gert.

1035
00:54:58,420 --> 00:55:00,510
Og þá er að hugsa um fyrirmynd
sem þú getur notað.

1036
00:55:00,510 --> 00:55:04,710
Venjulega þýðir að hugsa um
forsendur, eins og eins, ó, þegar ég var

1037
00:55:04,710 --> 00:55:05,770
eins hugsa um textana.

1038
00:55:05,770 --> 00:55:09,510
Ég var eins, vel, ef ég vil að reikna
út sem skrifaði þetta, vil ég sennilega

1039
00:55:09,510 --> 00:55:15,400
að líta á þau orð sem maður nota og
sjá sem notar þessi orð mjög oft.

1040
00:55:15,400 --> 00:55:18,470
Svo reyna að gera ályktanir og
reyna að hugsa um líkan.

1041
00:55:18,470 --> 00:55:21,395
Og þá getur þú einnig leitað á netinu fyrir
eins konar vandamál sem þú hefur,

1042
00:55:21,395 --> 00:55:24,260
og það er að fara að stinga upp
til þín módel sem kannski

1043
00:55:24,260 --> 00:55:26,560
fyrirmynd þessi hlutur vel.

1044
00:55:26,560 --> 00:55:29,080
>> Og einnig er alltaf hægt sendu mér tölvupóst.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
Og ég get bara svarað spurningum þínum.

1047
00:55:34,940 --> 00:55:38,600
Við getum jafnvel gæti hittast svo ég get
gefa ábendingar um leiðir til að

1048
00:55:38,600 --> 00:55:41,490
við framkvæmd á verkefninu.

1049
00:55:41,490 --> 00:55:45,610
Og ég meina ef þú taka þátt með
tölvumálvísindum, það er að fara

1050
00:55:45,610 --> 00:55:46,790
að vera mikill.

1051
00:55:46,790 --> 00:55:48,370
Þú ert að fara að sjá það
er svo mikill möguleiki.

1052
00:55:48,370 --> 00:55:52,060
Og iðnaður vill ráða
þú svo slæmt af því.

1053
00:55:52,060 --> 00:55:54,720
Svo ég vona að þú krakkar gaman þetta.

1054
00:55:54,720 --> 00:55:57,030
Ef þið hafið einhverjar spurningar,
þú getur spurt mig eftir þetta.

1055
00:55:57,030 --> 00:55:58,280
En þakka þér fyrir.

1056
00:55:58,280 --> 00:56:00,150