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
Benvenuti a tutti.

4
00:00:09,980 --> 00:00:11,216
Il mio nome è Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Io sono un junior a [incomprensibile] studiare
informatica con un focus in

6
00:00:15,220 --> 00:00:16,410
linguistica computazionale.

7
00:00:16,410 --> 00:00:19,310
Quindi il mio secondario è in lingua
e teoria linguistica.

8
00:00:19,310 --> 00:00:21,870
Sono davvero entusiasta di insegnare voi ragazzi
un po 'di campo.

9
00:00:21,870 --> 00:00:24,300
E 'una zona molto interessante da studiare.

10
00:00:24,300 --> 00:00:27,260
Anche con un sacco di potenziale
per il futuro.

11
00:00:27,260 --> 00:00:30,160
Quindi, io sono davvero entusiasta che voi ragazzi
stanno prendendo in considerazione progetti in

12
00:00:30,160 --> 00:00:31,160
linguistica computazionale.

13
00:00:31,160 --> 00:00:35,460
E sarò più che lieto di consigliarvi
qualcuno di voi se si decide di

14
00:00:35,460 --> 00:00:37,090
perseguire uno di quelli.

15
00:00:37,090 --> 00:00:40,010
>> Quindi prima di tutto quali sono computazionale
linguistica?

16
00:00:40,010 --> 00:00:44,630
Così linguistica computazionale è l'
intersezione tra linguistica e

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

18
00:00:46,390 --> 00:00:47,415
Quindi, qual è la linguistica?

19
00:00:47,415 --> 00:00:48,490
Che cosa è la scienza del computer?

20
00:00:48,490 --> 00:00:51,580
Beh dalla linguistica, cosa
prendiamo sono le lingue.

21
00:00:51,580 --> 00:00:54,960
Così linguistica è in realtà lo studio
del linguaggio naturale in genere.

22
00:00:54,960 --> 00:00:58,330
Linguaggio così naturale - si parla di
linguaggio che in realtà usiamo per

23
00:00:58,330 --> 00:00:59,770
comunicare tra loro.

24
00:00:59,770 --> 00:01:02,200
Quindi non stiamo esattamente parlando
su C o Java.

25
00:01:02,200 --> 00:01:05,900
Stiamo parlando di più inglese e
Cinese e altre lingue che abbiamo

26
00:01:05,900 --> 00:01:07,780
utilizzare per comunicare tra loro.

27
00:01:07,780 --> 00:01:12,470
>> La cosa difficile di quel che
adesso abbiamo quasi 7.000

28
00:01:12,470 --> 00:01:14,260
lingue del mondo.

29
00:01:14,260 --> 00:01:19,520
Quindi ci sono un bel varietà elevata
di linguaggi che possiamo studiare.

30
00:01:19,520 --> 00:01:22,600
E allora pensi che è probabilmente
molto difficile da fare, per esempio,

31
00:01:22,600 --> 00:01:26,960
traduzione da una lingua a
altro, visto che hai

32
00:01:26,960 --> 00:01:28,240
quasi 7.000 di loro.

33
00:01:28,240 --> 00:01:31,450
Quindi, se pensate di fare traduzione
da una lingua all'altra voi

34
00:01:31,450 --> 00:01:35,840
hanno quasi più di un milione
diverse combinazioni che è possibile

35
00:01:35,840 --> 00:01:37,330
avere da lingua a lingua.

36
00:01:37,330 --> 00:01:40,820
Così è davvero difficile fare un po '
tipo di sistema di esempio traduzione

37
00:01:40,820 --> 00:01:43,540
ogni singola lingua.

38
00:01:43,540 --> 00:01:47,120
>> Quindi, linguistica tratta con la sintassi,
semantica, pragmatica.

39
00:01:47,120 --> 00:01:49,550
Voi ragazzi non esattamente bisogno
sapere quali sono sono.

40
00:01:49,550 --> 00:01:55,090
Ma la cosa molto interessante è che
come un madrelingua, quando si impara

41
00:01:55,090 --> 00:01:59,010
lingua come figlio, in realtà si impara
tutte queste cose - semantica sintassi

42
00:01:59,010 --> 00:02:00,500
e pragmatica -

43
00:02:00,500 --> 00:02:01,430
da soli.

44
00:02:01,430 --> 00:02:04,820
E nessuno deve insegnare la sintassi per
a capire come frasi sono

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

46
00:02:05,290 --> 00:02:07,980
Quindi, è davvero interessante perché
è qualcosa che si avvicina molto

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

48
00:02:10,389 --> 00:02:13,190
>> E cosa stai prendendo da
l'informatica?

49
00:02:13,190 --> 00:02:16,700
Beh, la cosa più importante che abbiamo
avere in informatica è prima di

50
00:02:16,700 --> 00:02:19,340
tutti, l'intelligenza artificiale
e apprendimento automatico.

51
00:02:19,340 --> 00:02:22,610
Allora, che cosa stiamo cercando di fare
linguistica computazionale è insegnare

52
00:02:22,610 --> 00:02:26,990
il computer come fare qualcosa
con il linguaggio.

53
00:02:26,990 --> 00:02:28,630
>> Così, per esempio, in macchina
traduzione.

54
00:02:28,630 --> 00:02:32,490
Sto cercando di insegnare il mio computer come
per sapere come eseguire la transizione da un

55
00:02:32,490 --> 00:02:33,310
lingua all'altra.

56
00:02:33,310 --> 00:02:35,790
Quindi, fondamentalmente come insegnamento
Un computer due lingue.

57
00:02:35,790 --> 00:02:38,870
Se faccio elaborazione del linguaggio naturale,
che è il caso per esempio di

58
00:02:38,870 --> 00:02:41,810
Facebook Graph Search, ti insegnano
il computer come capire

59
00:02:41,810 --> 00:02:42,730
query bene.

60
00:02:42,730 --> 00:02:48,130
>> Quindi, se si dice "le foto della mia
amici. "Facebook non considera che

61
00:02:48,130 --> 00:02:51,130
come una stringa intera che ha
solo un mucchio di parole.

62
00:02:51,130 --> 00:02:56,020
In realtà capisce la relazione
tra "foto" e "i miei amici" e

63
00:02:56,020 --> 00:02:59,620
capisce che "foto" sono
proprietà di "i miei amici".

64
00:02:59,620 --> 00:03:02,350
>> Quindi, questo è parte di, per esempio,
elaborazione del linguaggio naturale.

65
00:03:02,350 --> 00:03:04,790
Sta cercando di capire cosa
è il rapporto tra

66
00:03:04,790 --> 00:03:07,520
le parole in una frase.

67
00:03:07,520 --> 00:03:11,170
E la grande domanda è: si può
insegnare a un computer a parlare

68
00:03:11,170 --> 00:03:12,650
un linguaggio in generale?

69
00:03:12,650 --> 00:03:17,810
Che è una domanda molto interessante
pensare, come se forse in futuro,

70
00:03:17,810 --> 00:03:19,930
si sta andando ad essere in grado di
parlare al tuo telefono cellulare.

71
00:03:19,930 --> 00:03:23,290
Un po 'come ciò che facciamo con Siri, ma
qualcosa di più simile, si può effettivamente

72
00:03:23,290 --> 00:03:25,690
dite quello che volete e il telefono
sta per capire tutto.

73
00:03:25,690 --> 00:03:28,350
E può avere follow up domande
e continuare a parlare.

74
00:03:28,350 --> 00:03:30,880
Questo è qualcosa di veramente emozionante,
a mio parere.

75
00:03:30,880 --> 00:03:33,070
>> Quindi, qualcosa su linguaggi naturali.

76
00:03:33,070 --> 00:03:36,220
Qualcosa di veramente interessante
linguaggi naturali è che, e questo è

77
00:03:36,220 --> 00:03:38,470
credito per il mio professore di linguistica,
Maria Polinsky.

78
00:03:38,470 --> 00:03:40,830
Lei dà un esempio e credo
è davvero interessante.

79
00:03:40,830 --> 00:03:47,060
Perché impariamo la lingua da quando
siamo nati e poi la nostra nativa

80
00:03:47,060 --> 00:03:49,170
linguaggio tipo di cresce su di noi.

81
00:03:49,170 --> 00:03:52,570
>> E in fondo si impara la lingua
da un input minimo, giusto?

82
00:03:52,570 --> 00:03:56,700
È solo l'input da
i genitori di quello che suona la tua lingua

83
00:03:56,700 --> 00:03:58,770
piace e basta impara.

84
00:03:58,770 --> 00:04:02,240
Quindi, è interessante perché se si guarda
a quelle frasi, per esempio.

85
00:04:02,240 --> 00:04:06,980
Si guarda, "Maria mette su un cappotto ogni
volta che esce di casa. "

86
00:04:06,980 --> 00:04:10,650
>> In questo caso, è possibile avere il
parola "lei" si riferiscono a Maria, giusto?

87
00:04:10,650 --> 00:04:13,500
Si può dire "Maria mette su un cappotto
ogni volta che Maria lascia il

88
00:04:13,500 --> 00:04:14,960
casa. "in modo che bene.

89
00:04:14,960 --> 00:04:19,370
Ma poi se si guarda la frase
"Si mette una mano ogni volta Mary

90
00:04:19,370 --> 00:04:22,850
lascia la casa. "sai che è
impossibile dire che "lei" è

91
00:04:22,850 --> 00:04:24,260
riferendosi a Maria.

92
00:04:24,260 --> 00:04:27,070
>> Non c'è modo di dire che "Maria mette
su un cappotto ogni volta Mary lascia

93
00:04:27,070 --> 00:04:30,790
la casa. "Così è interessante perché
questo è il tipo di intuizione

94
00:04:30,790 --> 00:04:32,890
che ogni madrelingua ha.

95
00:04:32,890 --> 00:04:36,370
E nessuno è stato insegnato che questo è
il modo in cui la sintassi funziona.

96
00:04:36,370 --> 00:04:41,930
E che si può avere solo questa "lei"
riferendosi a Maria in questo primo caso,

97
00:04:41,930 --> 00:04:44,260
ed effettivamente in questo altro
anche, ma non in questo.

98
00:04:44,260 --> 00:04:46,500
Ma tutti i tipi di si
per la stessa risposta.

99
00:04:46,500 --> 00:04:48,580
Tutti sono d'accordo su questo.

100
00:04:48,580 --> 00:04:53,280
Quindi è davvero interessante come anche
non si conoscono tutte le regole

101
00:04:53,280 --> 00:04:55,575
nella tua lingua che tipo di capire
come funziona il linguaggio.

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

103
00:04:59,020 --> 00:05:01,530
>> Quindi la cosa interessante naturale
linguaggio è che non c'è bisogno di

104
00:05:01,530 --> 00:05:06,970
conoscere alcuna sintassi per sapere se una frase
è grammaticale o sgrammaticato per

105
00:05:06,970 --> 00:05:08,810
maggior parte dei casi.

106
00:05:08,810 --> 00:05:13,220
Che ti fa pensare che forse quello che
che succede è che attraverso la vostra vita,

107
00:05:13,220 --> 00:05:17,410
basta tenere sempre più
frasi detto a voi.

108
00:05:17,410 --> 00:05:19,800
E poi si mantiene memorizzazione
tutte le frasi.

109
00:05:19,800 --> 00:05:24,230
E poi, quando qualcuno ti dice
qualcosa, si sente quella frase e

110
00:05:24,230 --> 00:05:27,040
guardate il vostro vocabolario
di frasi e vedere se

111
00:05:27,040 --> 00:05:28,270
questa frase è lì.

112
00:05:28,270 --> 00:05:29,830
E se è lì
dicono che è grammaticale.

113
00:05:29,830 --> 00:05:31,740
Se non è dici che è
sgrammaticato.

114
00:05:31,740 --> 00:05:35,150
>> Quindi, in questo caso, si potrebbe dire, oh,
in modo da avere una lista enorme di tutti

115
00:05:35,150 --> 00:05:36,140
frasi possibili.

116
00:05:36,140 --> 00:05:38,240
E poi quando si sente una frase,
sapete se è grammaticale o

117
00:05:38,240 --> 00:05:39,450
non basata su questo.

118
00:05:39,450 --> 00:05:42,360
Il fatto è che se si guardano
una frase, per esempio, "L'

119
00:05:42,360 --> 00:05:47,540
cinque teste CS50 TF cucinato i non vedenti
polpo con una tazza DAPA. "E '

120
00:05:47,540 --> 00:05:49,630
sicuramente non una frase
che avete sentito prima.

121
00:05:49,630 --> 00:05:52,380
Ma allo stesso tempo sai che è
praticamente grammaticale, giusto?

122
00:05:52,380 --> 00:05:55,570
Non ci sono errori grammaticali
e si può dire che

123
00:05:55,570 --> 00:05:57,020
si tratta di una possibile condanna.

124
00:05:57,020 --> 00:06:01,300
>> Così ci fa pensare che in realtà il
modo che impariamo la lingua non è solo

125
00:06:01,300 --> 00:06:07,090
avendo un enorme database di possibili
parole o frasi, ma più di

126
00:06:07,090 --> 00:06:11,490
comprendere la relazione tra
parole quelle frasi.

127
00:06:11,490 --> 00:06:14,570
Ritiene che senso?

128
00:06:14,570 --> 00:06:19,370
Così, allora la domanda è: si può
i computer imparano le lingue?

129
00:06:19,370 --> 00:06:21,490
Possiamo insegnare la lingua ai computer?

130
00:06:21,490 --> 00:06:24,230
>> Quindi, pensiamo alla differenza
tra un madrelingua di una lingua

131
00:06:24,230 --> 00:06:25,460
e un computer.

132
00:06:25,460 --> 00:06:27,340
Allora, che cosa succede a chi parla?

133
00:06:27,340 --> 00:06:30,430
Beh, il madrelingua impara
linguaggio da esposizione ad esso.

134
00:06:30,430 --> 00:06:34,200
Di solito i suoi anni della prima infanzia.

135
00:06:34,200 --> 00:06:38,570
Quindi, in sostanza, basta avere un bambino,
e tu continui a parlare di esso, e

136
00:06:38,570 --> 00:06:40,540
solo impara a parlare
la lingua, giusto?

137
00:06:40,540 --> 00:06:42,660
Quindi, si sta praticamente dando
ingresso al bambino.

138
00:06:42,660 --> 00:06:45,200
Così, allora si può sostenere che un computer
può fare la stessa cosa, giusto?

139
00:06:45,200 --> 00:06:49,510
Si può solo dare la lingua
come ingresso al computer.

140
00:06:49,510 --> 00:06:53,410
>> Come per esempio un gruppo di file
che avere libri in inglese.

141
00:06:53,410 --> 00:06:56,190
Forse è un modo che si
potrebbe insegnare una

142
00:06:56,190 --> 00:06:57,850
computer di inglese, giusto?

143
00:06:57,850 --> 00:07:01,000
E in effetti, se ci pensate,
ci vogliono forse un paio

144
00:07:01,000 --> 00:07:02,680
giorni di tempo per leggere un libro.

145
00:07:02,680 --> 00:07:05,760
Per un computer ci vuole un secondo per
guarda tutte le parole in un libro.

146
00:07:05,760 --> 00:07:10,810
Così si può pensare che possa essere proprio questo
argomento di input da intorno a te,

147
00:07:10,810 --> 00:07:15,440
questo non basta per dire che questo è
qualcosa che solo gli esseri umani possono fare.

148
00:07:15,440 --> 00:07:17,680
Si può pensare i computer
anche in grado di ricevere input.

149
00:07:17,680 --> 00:07:21,170
>> La seconda cosa è che madrelingua
hanno anche un cervello che ha

150
00:07:21,170 --> 00:07:23,870
capacità di apprendimento delle lingue.

151
00:07:23,870 --> 00:07:27,020
Ma se ci pensate,
un cervello è una cosa solida.

152
00:07:27,020 --> 00:07:30,450
Quando sei nato, è già impostato -

153
00:07:30,450 --> 00:07:31,320
questo è il vostro cervello.

154
00:07:31,320 --> 00:07:34,660
E come si cresce, basta avere più
ingresso del linguaggio e forse nutrienti

155
00:07:34,660 --> 00:07:35,960
e altre cose.

156
00:07:35,960 --> 00:07:38,170
Ma praticamente il cervello
è una cosa solida.

157
00:07:38,170 --> 00:07:41,290
>> Così si può dire, beh, forse è possibile
costruire un computer che ha un sacco di

158
00:07:41,290 --> 00:07:45,890
funzioni e metodi che appena imitano
capacità di apprendimento delle lingue.

159
00:07:45,890 --> 00:07:49,630
Quindi, in questo senso, si potrebbe dire, bene, io
può avere un computer che ha tutte le

160
00:07:49,630 --> 00:07:52,270
cose che devo imparare la lingua.

161
00:07:52,270 --> 00:07:56,200
E l'ultima cosa è che un nativo
speaker apprende da tentativi ed errori.

162
00:07:56,200 --> 00:08:01,090
Quindi, in pratica un'altra cosa importante in
l'apprendimento delle lingue è che tipo

163
00:08:01,090 --> 00:08:05,340
di imparare cose da fare
generalizzazioni di ciò che si sente.

164
00:08:05,340 --> 00:08:10,280
>> Quindi, come si sta crescendo si impara che
alcune parole sono più come sostantivi,

165
00:08:10,280 --> 00:08:11,820
alcuni altri sono aggettivi.

166
00:08:11,820 --> 00:08:14,250
E non avere alcuna
la conoscenza della linguistica

167
00:08:14,250 --> 00:08:15,040
capire che.

168
00:08:15,040 --> 00:08:18,560
Ma si sa ci sono alcune parole
sono posizionati in una parte della

169
00:08:18,560 --> 00:08:22,570
frase, e alcuni altri in altri
parti della frase.

170
00:08:22,570 --> 00:08:26,110
>> E che quando si fa qualcosa che è
come una frase che non è corretto -

171
00:08:26,110 --> 00:08:28,770
forse a causa di una generalizzazione su
per esempio.

172
00:08:28,770 --> 00:08:32,210
Forse quando stai crescendo, si nota
che il plurale è di solito

173
00:08:32,210 --> 00:08:35,809
formata ponendo S a
la fine della parola.

174
00:08:35,809 --> 00:08:40,042
E allora si tenta di fare il plurale di
"cervo" come "cervi" o "dente" come

175
00:08:40,042 --> 00:08:44,780
"tooths". Allora i tuoi genitori o
qualcuno ti corregge e dice, no, il

176
00:08:44,780 --> 00:08:49,020
plurale di "cervo" è "cervo", e la
plurale di "dente" è "denti". Poi

177
00:08:49,020 --> 00:08:50,060
si impara queste cose.

178
00:08:50,060 --> 00:08:51,520
Così si impara da prove ed errori.

179
00:08:51,520 --> 00:08:53,100
>> Ma si può anche fare
con un computer.

180
00:08:53,100 --> 00:08:55,310
Si può avere qualcosa chiamato
apprendimento per rinforzo.

181
00:08:55,310 --> 00:08:58,560
Che è fondamentalmente come dare un
computer di un premio ogni volta che lo fa

182
00:08:58,560 --> 00:08:59,410
qualcosa correttamente.

183
00:08:59,410 --> 00:09:04,710
E dandogli l'opposto di una ricompensa
e quando fa qualcosa di sbagliato.

184
00:09:04,710 --> 00:09:07,410
Si può effettivamente vedere che se si va
Google Translate e si tenta di

185
00:09:07,410 --> 00:09:10,220
tradurre una frase, si
si chiede feedback.

186
00:09:10,220 --> 00:09:13,240
Quindi, se dici, oh, c'è un migliore
traduzione per questa frase.

187
00:09:13,240 --> 00:09:18,140
È possibile digitare su e poi se un sacco di
la gente continua a dire che è meglio

188
00:09:18,140 --> 00:09:21,560
traduzione, si apprende solo che
dovrebbero usare che la traduzione invece di

189
00:09:21,560 --> 00:09:22,960
quella che dava.

190
00:09:22,960 --> 00:09:28,830
>> Quindi, si tratta di una domanda molto filosofica
per vedere se i computer stanno per essere

191
00:09:28,830 --> 00:09:30,340
in grado di parlare o meno in futuro.

192
00:09:30,340 --> 00:09:34,440
Ma ho grandi speranze che possono
proprio sulla base di tali argomenti.

193
00:09:34,440 --> 00:09:38,570
Ma è solo più di una filosofica
domanda.

194
00:09:38,570 --> 00:09:43,460
>> Così, mentre i computer ancora non si può parlare,
quali sono le cose che possiamo fare?

195
00:09:43,460 --> 00:09:47,070
Alcune cose sono davvero cool
classificazione dei dati.

196
00:09:47,070 --> 00:09:53,210
Così, per esempio, voi sapete
che i servizi di posta elettronica fanno, per

197
00:09:53,210 --> 00:09:55,580
esempio, il filtraggio dello spam.

198
00:09:55,580 --> 00:09:59,070
Così ogni volta che si riceve spam, lo
cerca di filtrare in un altro box.

199
00:09:59,070 --> 00:10:00,270
Così come si fa?

200
00:10:00,270 --> 00:10:06,080
Non è come il computer sa solo
indirizzi di posta elettronica che cosa sono l'invio di spam.

201
00:10:06,080 --> 00:10:09,130
Quindi è più basata sul contenuto di
il messaggio, o forse il titolo, o

202
00:10:09,130 --> 00:10:11,310
forse qualche modello che avete.

203
00:10:11,310 --> 00:10:15,690
>> Quindi, in sostanza, cosa si può fare è ottenere un
molti dati di email che sono spam,

204
00:10:15,690 --> 00:10:19,980
e-mail che non sono spam, e imparare ciò che
tipo di modelli che avete in

205
00:10:19,980 --> 00:10:21,000
quelli che sono spam.

206
00:10:21,000 --> 00:10:23,260
E questo è parte di calcolo
linguistica.

207
00:10:23,260 --> 00:10:24,720
Si chiama classificazione dei dati.

208
00:10:24,720 --> 00:10:28,100
E stiamo effettivamente andando a vedere un
esempio che nei prossimi diapositive.

209
00:10:28,100 --> 00:10:32,910
>> La seconda cosa è il linguaggio naturale
trasformazione che è la cosa che l'

210
00:10:32,910 --> 00:10:36,580
Grafico ricerca sta facendo di lasciare
si scrive una frase.

211
00:10:36,580 --> 00:10:38,690
E si fida a capire cosa
è il significato e dà

212
00:10:38,690 --> 00:10:39,940
un risultato migliore.

213
00:10:39,940 --> 00:10:43,880
In realtà, se si va a Google o Bing
e si cerca qualcosa come Lady

214
00:10:43,880 --> 00:10:47,060
Altezza di Gaga, si sta effettivamente andando
per ottenere 5 '1 "invece di informazioni

215
00:10:47,060 --> 00:10:50,170
da lei perché in realtà capisce
cosa stai parlando.

216
00:10:50,170 --> 00:10:52,140
Ecco, questo è parte del naturale
elaborazione del linguaggio.

217
00:10:52,140 --> 00:10:57,000
>> O anche quando si utilizza Siri, prima
si dispone di un algoritmo che cerca di

218
00:10:57,000 --> 00:11:01,130
tradurre quello che stai dicendo
in parole, nel testo.

219
00:11:01,130 --> 00:11:03,690
E poi cerca di tradurre
che nel significato.

220
00:11:03,690 --> 00:11:06,570
Ecco, questo è tutto parte del naturale
elaborazione del linguaggio.

221
00:11:06,570 --> 00:11:08,320
>> Allora avete traduzione automatica -

222
00:11:08,320 --> 00:11:10,300
che è in realtà uno
dei miei preferiti -

223
00:11:10,300 --> 00:11:14,060
che è solo traducendo da
una lingua all'altra.

224
00:11:14,060 --> 00:11:17,950
Così si può pensare che quando si sta facendo
traduzione automatica, si dispone di

225
00:11:17,950 --> 00:11:19,750
infinite possibilità di frasi.

226
00:11:19,750 --> 00:11:22,960
Quindi non c'è modo di appena memorizzazione
ogni singola traduzione.

227
00:11:22,960 --> 00:11:27,440
Quindi devi venire con interessanti
algoritmi per poter

228
00:11:27,440 --> 00:11:30,110
tradurre ogni singolo
frase in qualche modo.

229
00:11:30,110 --> 00:11:32,483
>> Voi ragazzi avete delle domande finora?

230
00:11:32,483 --> 00:11:34,450
No?

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

232
00:11:34,830 --> 00:11:36,900
>> Così che cosa stiamo andando a vedere oggi?

233
00:11:36,900 --> 00:11:39,300
Prima di tutto, ho intenzione di parlare
il problema di classificazione.

234
00:11:39,300 --> 00:11:41,440
Così quello che ero
dicono di spam.

235
00:11:41,440 --> 00:11:46,820
Quello che ho intenzione di fare è, lyrics date
una canzone, si può cercare di capire

236
00:11:46,820 --> 00:11:49,810
con elevata probabilità
chi è il cantante?

237
00:11:49,810 --> 00:11:53,590
Diciamo che ho canzoni da Lady
Gaga e Katy Perry, se ti do un

238
00:11:53,590 --> 00:11:58,130
nuova canzone, si può capire se
si tratta di Katy Perry o Lady Gaga?

239
00:11:58,130 --> 00:12:01,490
>> Il secondo, sto solo andando a parlare
circa il problema segmentazione.

240
00:12:01,490 --> 00:12:05,780
Quindi non so se voi ragazzi sapete, ma
Cinese, giapponese, altri orientale

241
00:12:05,780 --> 00:12:08,090
lingue e altre lingue
in generale, non hanno

242
00:12:08,090 --> 00:12:09,830
spazi tra le parole.

243
00:12:09,830 --> 00:12:13,540
E poi se si pensa al modo in cui
il vostro genere di computer di tentativi per

244
00:12:13,540 --> 00:12:18,600
capire elaborazione del linguaggio naturale,
esamina le parole e

245
00:12:18,600 --> 00:12:21,500
cerca di comprendere le relazioni
tra di loro, giusto?

246
00:12:21,500 --> 00:12:25,440
Ma allora se hai cinese, e si
avere zero spazi, è davvero difficile

247
00:12:25,440 --> 00:12:28,360
scoprire che cosa è la relazione tra
parole, perché non hanno alcun

248
00:12:28,360 --> 00:12:29,530
parole in un primo momento.

249
00:12:29,530 --> 00:12:32,600
Quindi devi fare qualcosa chiamato
segmentazione che significa solo mettere

250
00:12:32,600 --> 00:12:36,490
spazi tra quello che noi chiameremmo
parole in quelle lingue.

251
00:12:36,490 --> 00:12:37,740
Dare un senso?

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

253
00:12:39,680 --> 00:12:41,540
>> E poi andremo a
parlare di sintassi.

254
00:12:41,540 --> 00:12:44,050
Quindi, solo un po 'di naturale
elaborazione del linguaggio.

255
00:12:44,050 --> 00:12:45,420
Sta andando essere solo una visione d'insieme.

256
00:12:45,420 --> 00:12:50,700
Così oggi, in pratica quello che voglio fare
si è dare ragazzi un po 'di un

257
00:12:50,700 --> 00:12:53,930
all'interno dei quali sono le possibilità
che si può fare con computazionale

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

259
00:12:54,960 --> 00:13:00,410
E poi si può vedere cosa ne pensate
è cool tra quelle cose.

260
00:13:00,410 --> 00:13:02,270
E forse si può pensare di un progetto
e vieni parlare con me.

261
00:13:02,270 --> 00:13:05,260
E posso darvi consigli
sulle modalità di attuazione.

262
00:13:05,260 --> 00:13:09,060
>> Così sintassi sta per essere un po '
su Search grafico e la macchina

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

264
00:13:09,670 --> 00:13:13,650
Sto solo andando a dare un esempio di come
si potrebbe, per esempio, tradurre

265
00:13:13,650 --> 00:13:16,020
qualcosa da Portoghese a Inglese.

266
00:13:16,020 --> 00:13:17,830
Suona bene?

267
00:13:17,830 --> 00:13:19,293
>> Quindi, prima, il problema di classificazione.

268
00:13:19,293 --> 00:13:23,590
Dirò che questa parte del seminario
sta per essere il più impegnativo

269
00:13:23,590 --> 00:13:27,560
uno solo perché ci sta andando
essere qualche codifica.

270
00:13:27,560 --> 00:13:29,470
Ma sarà Python.

271
00:13:29,470 --> 00:13:34,380
So che voi ragazzi non sanno Python, così
Sto solo andando a spiegare in alto

272
00:13:34,380 --> 00:13:35,750
livello previsto quello che sto facendo.

273
00:13:35,750 --> 00:13:40,900
E non c'è bisogno di preoccuparsi davvero troppo
molto sulla sintassi perché è

274
00:13:40,900 --> 00:13:42,140
qualcosa che voi potete imparare.

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

276
00:13:42,540 --> 00:13:43,580
Suona bene.

277
00:13:43,580 --> 00:13:46,020
>> Quindi qual è il problema di classificazione?

278
00:13:46,020 --> 00:13:49,140
Così si è dato alcuni testi di
una canzone e volete indovinare

279
00:13:49,140 --> 00:13:50,620
che sta cantando esso.

280
00:13:50,620 --> 00:13:54,045
E questo può essere per qualsiasi tipo
di altri problemi.

281
00:13:54,045 --> 00:13:59,980
Così può essere, per esempio, si ha un
campagna presidenziale e si ha un

282
00:13:59,980 --> 00:14:02,610
discorso, e si desidera trovare
se era, per esempio,

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

284
00:14:04,470 --> 00:14:07,700
Oppure si può avere un sacco di e-mail e
si vuole capire se sono

285
00:14:07,700 --> 00:14:08,890
spam o meno.

286
00:14:08,890 --> 00:14:11,440
Quindi è solo identificare alcuni
dati basati sulle parole

287
00:14:11,440 --> 00:14:13,790
che hai lì.

288
00:14:13,790 --> 00:14:16,295
>> Quindi, per fare questo, si deve
fare alcune ipotesi.

289
00:14:16,295 --> 00:14:20,570
Così un sacco di linguistica computazionale
sta facendo assunzioni,

290
00:14:20,570 --> 00:14:24,100
ipotesi solito intelligenti, in modo che
si possono ottenere buoni risultati.

291
00:14:24,100 --> 00:14:26,670
Cercando di creare un modello per essa.

292
00:14:26,670 --> 00:14:31,290
E poi provare e vedere se funziona,
se ti dà una buona precisione.

293
00:14:31,290 --> 00:14:33,940
E se lo fa, allora si
cercare di migliorarla.

294
00:14:33,940 --> 00:14:37,640
Se così non fosse, siete come, OK, forse
dovrebbe fare una ipotesi diversa.

295
00:14:37,640 --> 00:14:44,030
>> Quindi l'ipotesi che andremo a
fare è che un artista di solito canta

296
00:14:44,030 --> 00:14:49,220
su un argomento più volte, e forse
usa parole più volte solo

297
00:14:49,220 --> 00:14:50,270
perché sono abituati.

298
00:14:50,270 --> 00:14:51,890
Si può solo pensare del tuo amico.

299
00:14:51,890 --> 00:14:57,350
Sono sicuro che voi ragazzi hanno tutti gli amici
che dire la loro frase di firma,

300
00:14:57,350 --> 00:14:59,260
letteralmente per ogni singola frase -

301
00:14:59,260 --> 00:15:02,660
come una specifica parola o alcune specifiche
frase che si dice per

302
00:15:02,660 --> 00:15:04,020
ogni singola frase.

303
00:15:04,020 --> 00:15:07,920
>> E cosa si può dire è che se si vede
una frase che ha una firma

304
00:15:07,920 --> 00:15:11,450
frase, si può intuire che, probabilmente,
il tuo amico è l'

305
00:15:11,450 --> 00:15:13,310
uno dicendo che, giusto?

306
00:15:13,310 --> 00:15:18,410
Quindi fate questo presupposto e poi
è così che si crea un modello.

307
00:15:18,410 --> 00:15:24,440
>> L'esempio che ho intenzione di dare è il
come Lady Gaga, per esempio, le persone

308
00:15:24,440 --> 00:15:27,430
dire che lei usa "baby" per
tutte le sue canzoni numero uno.

309
00:15:27,430 --> 00:15:32,270
E in realtà questo è un video che mostra
suo dire la parola "baby" per

310
00:15:32,270 --> 00:15:33,410
diverse canzoni.

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

312
00:15:33,860 --> 00:15:34,310
>> - (CANTO) di un bebè.

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

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

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

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

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

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

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

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

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

322
00:15:40,850 --> 00:15:41,090
>> [FINE RIPRODUZIONE VIDEO-

323
00:15:41,090 --> 00:15:44,020
>> LUCAS FREITAS: Quindi ci sono, credo,
40 canzoni qui in cui lei dice la

324
00:15:44,020 --> 00:15:48,690
la parola "baby". Così si può sostanzialmente indovinare
che se si vede una canzone che ha

325
00:15:48,690 --> 00:15:52,180
la parola "bambino", c'è qualche alta
probabilità che si tratta di Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
Ma cerchiamo di sviluppare questo
ulteriormente più formale.

327
00:15:56,450 --> 00:16:00,470
>> Quindi questi sono testi delle canzoni di
Lady Gaga e Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Quindi si guarda a Lady Gaga, si vede che
hanno un sacco di eventi di "baby", un

329
00:16:04,120 --> 00:16:07,710
molte occorrenze di "strada". Poi
Katy Perry ha un sacco di occorrenze di

330
00:16:07,710 --> 00:16:10,360
"L'," un sacco di occorrenze di "fuoco".

331
00:16:10,360 --> 00:16:14,560
>> Quindi, in pratica quello che vogliamo
fare è, si ottiene una lirica.

332
00:16:14,560 --> 00:16:20,480
Diciamo che si ottiene un testo per un
canzone che è "baby", proprio "baby". Se

333
00:16:20,480 --> 00:16:24,750
basta avere la parola "baby", e questo
sono tutti i dati che avete da

334
00:16:24,750 --> 00:16:27,880
Lady Gaga e Katy Perry, che avrebbe
si indovina è la persona

335
00:16:27,880 --> 00:16:29,370
che canta la canzone?

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

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

338
00:16:33,150 --> 00:16:37,400
Perché lei è l'unica che dice:
"Baby". Questo suona stupido, giusto?

339
00:16:37,400 --> 00:16:38,760
OK, questo è davvero facile.

340
00:16:38,760 --> 00:16:41,860
Sto solo guardando le due canzoni e del
Certo, lei è l'unico che ha

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

342
00:16:42,660 --> 00:16:44,740
>> Ma cosa succede se avete un mucchio di parole?

343
00:16:44,740 --> 00:16:50,900
Se si dispone di un lyric reale, qualcosa di
come, "baby, ho appena

344
00:16:50,900 --> 00:16:51,610
è andato a vedere un [? CFT?]

345
00:16:51,610 --> 00:16:54,020
conferenza ", o qualcosa del genere, e
allora dovete realmente capire -

346
00:16:54,020 --> 00:16:55,780
sulla base di tutte queste parole -

347
00:16:55,780 --> 00:16:58,350
chi è l'artista che probabilmente
cantato questa canzone?

348
00:16:58,350 --> 00:17:01,860
Quindi cerchiamo di sviluppare
questo un po 'oltre.

349
00:17:01,860 --> 00:17:05,630
>> OK, così, dei soli dati che
ottenuto, sembra che Gaga è probabilmente

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

351
00:17:06,260 --> 00:17:07,904
Ma come possiamo scrivere
questo più formale?

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

353
00:17:10,579 --> 00:17:13,140
E ci sara 'un po'
po 'di statistiche.

354
00:17:13,140 --> 00:17:15,880
Quindi, se ti perdi, basta provare
per capire il concetto.

355
00:17:15,880 --> 00:17:18,700
Non importa se si capisce
le equazioni perfettamente bene.

356
00:17:18,700 --> 00:17:22,150
Questo è tutto sta per essere on-line.

357
00:17:22,150 --> 00:17:25,490
>> Quindi, in pratica quello che sto calcolo è il
probabilità che questa canzone è per

358
00:17:25,490 --> 00:17:28,040
Lady Gaga dato che -

359
00:17:28,040 --> 00:17:30,660
quindi questo significa bar, dato che -

360
00:17:30,660 --> 00:17:33,680
Ho visto la parola "baby".
Ritiene che senso?

361
00:17:33,680 --> 00:17:35,540
Così sto cercando di calcolare
tale probabilità.

362
00:17:35,540 --> 00:17:38,540
>> Quindi c'è questo teorema chiamato
Teorema di Bayes che dice che l'

363
00:17:38,540 --> 00:17:43,330
probabilità di A dato B, è la
probabilità di B in A, volte

364
00:17:43,330 --> 00:17:47,660
probabilità di A, sulla probabilità
di B. Questo è un'equazione lunga.

365
00:17:47,660 --> 00:17:51,970
Ma quello che dovete capire da
vale a dire che questo è ciò che voglio

366
00:17:51,970 --> 00:17:52,830
calcolare, giusto?

367
00:17:52,830 --> 00:17:56,570
Quindi la probabilità che quella canzone è da
Lady Gaga dato che ho visto la parola

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

369
00:17:58,230 --> 00:18:02,960
>> E ora che sto ricevendo è l'
probabilità della parola "baby" data

370
00:18:02,960 --> 00:18:04,390
che ho Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
E che cosa è che, in fondo?

372
00:18:07,220 --> 00:18:10,500
Ciò significa, che cosa è l'
probabilità di vedere la parola "baby"

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

374
00:18:12,130 --> 00:18:16,240
Se voglio calcolare che in un
modo semplice, è solo il numero di

375
00:18:16,240 --> 00:18:23,640
volte che vedo "baby" rispetto al numero totale
delle parole della canzone Gaga, giusto?

376
00:18:23,640 --> 00:18:27,600
Qual è la frequenza che vedo
quella parola nel lavoro di Gaga?

377
00:18:27,600 --> 00:18:30,530
Dare un senso?

378
00:18:30,530 --> 00:18:33,420
>> Il secondo termine è l'
probabilità di Gaga.

379
00:18:33,420 --> 00:18:34,360
Che cosa vuol dire?

380
00:18:34,360 --> 00:18:38,550
Questo significa fondamentalmente, quello che è il
probabilità di classificazione

381
00:18:38,550 --> 00:18:40,690
alcuni testi come Gaga?

382
00:18:40,690 --> 00:18:45,320
E questo è un po 'strano, ma
pensiamo a un esempio.

383
00:18:45,320 --> 00:18:49,230
Quindi diciamo che la probabilità di
avere "baby" in una canzone è la stessa

384
00:18:49,230 --> 00:18:51,760
per Gaga e Britney Spears.

385
00:18:51,760 --> 00:18:54,950
Ma Britney Spears ha il doppio
più canzoni di Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Quindi, se qualcuno ti dà solo casualmente
testo di "bambino", la prima cosa che

387
00:19:00,570 --> 00:19:04,710
guardare è, qual è la probabilità di
avere "baby" in una canzone Gaga, "baby"

388
00:19:04,710 --> 00:19:05,410
in una canzone di Britney?

389
00:19:05,410 --> 00:19:06,460
Ed è la stessa cosa.

390
00:19:06,460 --> 00:19:10,040
>> Quindi la seconda cosa che vedrete è,
Ebbene, qual è la probabilità di

391
00:19:10,040 --> 00:19:13,770
questa lirica di per sé essere una lirica Gaga,
e qual è la probabilità di

392
00:19:13,770 --> 00:19:15,380
essendo una lirica di Britney?

393
00:19:15,380 --> 00:19:18,950
Quindi, dal momento che Britney ha tanti più lyrics
di Gaga, si sarebbe probabilmente

394
00:19:18,950 --> 00:19:21,470
diciamo, bene, questo è probabilmente
una lirica Britney.

395
00:19:21,470 --> 00:19:23,340
Ecco perché abbiamo questo
termine giusto qui.

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

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

398
00:19:26,950 --> 00:19:28,660
Lo fa?

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

400
00:19:29,370 --> 00:19:33,500
>> E l'ultima è proprio la probabilità
di "baby", che non

401
00:19:33,500 --> 00:19:34,810
importa più di tanto.

402
00:19:34,810 --> 00:19:39,940
Ma è la probabilità di
vedere "baby" in inglese.

403
00:19:39,940 --> 00:19:42,725
Noi di solito non importa che
molto di quel termine.

404
00:19:42,725 --> 00:19:44,490
Ritiene che senso?

405
00:19:44,490 --> 00:19:48,110
Quindi la probabilità di Gaga è
chiamato la probabilità a priori

406
00:19:48,110 --> 00:19:49,530
della Gaga classe.

407
00:19:49,530 --> 00:19:53,840
Perché significa proprio questo, qual è il
probabilità di avere quella classe -

408
00:19:53,840 --> 00:19:55,520
che è Gaga -

409
00:19:55,520 --> 00:19:59,350
solo in generale, solo
senza condizioni.

410
00:19:59,350 --> 00:20:02,560
>> E poi quando ho probabilità di
Gaga dato "baby", lo chiamiamo più

411
00:20:02,560 --> 00:20:06,160
lacrime una probabilità perché è
la probabilità di avere

412
00:20:06,160 --> 00:20:08,300
Gaga dato alcune prove.

413
00:20:08,300 --> 00:20:11,050
Quindi io ti sto dando l'evidenza
che ho visto la parola bambino e

414
00:20:11,050 --> 00:20:12,690
la canzone ha senso?

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
>> Quindi, se ho calcolato che per ogni
delle canzoni di Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
cosa che sarebbe -

419
00:20:25,916 --> 00:20:27,730
a quanto pare, non posso spostare questo.

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

421
00:20:31,850 --> 00:20:36,920
La probabilità di Gaga sarà
qualcosa di simile, 2 over 24, i tempi di mezzo,

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

423
00:20:38,260 --> 00:20:40,640
Non importa se si sa cosa
questi numeri sono provenienti da.

424
00:20:40,640 --> 00:20:44,750
Ma è solo un numero che sta andando
di essere più di 0, giusto?

425
00:20:44,750 --> 00:20:48,610
>> E poi quando lo faccio Katy Perry, l'
probabilità di "baby" data Katy è

426
00:20:48,610 --> 00:20:49,830
già 0, giusto?

427
00:20:49,830 --> 00:20:52,820
Perché non c'è "baby"
in Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Allora questo diventa 0, e Gaga
vittorie, il che significa che Gaga è

429
00:20:56,360 --> 00:20:57,310
probabilmente il cantante.

430
00:20:57,310 --> 00:20:58,560
Ritiene che senso?

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
>> Quindi, se voglio fare questo più ufficiale,
Posso effettivamente fare un modello

435
00:21:11,750 --> 00:21:12,700
più parole.

436
00:21:12,700 --> 00:21:14,610
Quindi diciamo che ho qualcosa
come, "baby, io sono

437
00:21:14,610 --> 00:21:16,030
sul fuoco ", o qualcosa del genere.

438
00:21:16,030 --> 00:21:17,760
Così ha più parole.

439
00:21:17,760 --> 00:21:20,880
E in questo caso, è possibile vedere
che "baby" è in Gaga,

440
00:21:20,880 --> 00:21:21,710
ma non è a Katy.

441
00:21:21,710 --> 00:21:24,940
E "fuoco" è in Katy, ma
non è nel Gaga, giusto?

442
00:21:24,940 --> 00:21:27,200
Così è sempre più difficile, giusto?

443
00:21:27,200 --> 00:21:31,440
Perché sembra che quasi
avere un legame tra i due.

444
00:21:31,440 --> 00:21:36,980
>> Quindi quello che dovete fare è assumere
indipendenza tra le parole.

445
00:21:36,980 --> 00:21:41,210
Quindi, in pratica cosa significa è che
Sto solo calcolando qual è il

446
00:21:41,210 --> 00:21:44,330
probabilità di vedere "baby", che cosa è
la probabilità di vedere "io", e

447
00:21:44,330 --> 00:21:46,670
"Am", e "on" e "fuoco"
tutti separatamente.

448
00:21:46,670 --> 00:21:48,670
Poi ho moltiplicando tutti loro.

449
00:21:48,670 --> 00:21:52,420
E sto vedendo qual è la probabilità
di vedere l'intera frase.

450
00:21:52,420 --> 00:21:55,210
Dare un senso?

451
00:21:55,210 --> 00:22:00,270
>> Quindi, fondamentalmente, se ho una sola parola,
quello che voglio trovare è l'arg max,

452
00:22:00,270 --> 00:22:05,385
il che significa, che cosa è la classe che è
avermi dato la più alta probabilità?

453
00:22:05,385 --> 00:22:10,010
Allora, qual è la classe che sta dando
me la più alta probabilità di

454
00:22:10,010 --> 00:22:11,940
probabilità di classe dato parola.

455
00:22:11,940 --> 00:22:17,610
Quindi, in questo caso, dato Gaga "baby".
O Katy dato "baby". Dare un senso?

456
00:22:17,610 --> 00:22:21,040
>> E proprio da Bayes, che
equazione che ho mostrato,

457
00:22:21,040 --> 00:22:24,780
creiamo questa frazione.

458
00:22:24,780 --> 00:22:28,750
L'unica cosa è che si vede che
la probabilità di parola dato l'

459
00:22:28,750 --> 00:22:31,370
spostamenti di classe seconda
sulla classe, giusto?

460
00:22:31,370 --> 00:22:34,260
Il numero di s "baby" che ho
in Gaga è diverso da Katy.

461
00:22:34,260 --> 00:22:37,640
La probabilità di classe anche
modifiche perché è solo il numero

462
00:22:37,640 --> 00:22:39,740
delle canzoni ognuno di loro ha.

463
00:22:39,740 --> 00:22:43,980
>> Ma la probabilità della parola stessa
sta per essere lo stesso per tutte le

464
00:22:43,980 --> 00:22:44,740
artisti, giusto?

465
00:22:44,740 --> 00:22:47,150
Quindi la probabilità della parola è
solo, qual è la probabilità di

466
00:22:47,150 --> 00:22:49,820
visto che nella parola
Lingua inglese?

467
00:22:49,820 --> 00:22:51,420
Quindi è lo stesso per tutti.

468
00:22:51,420 --> 00:22:55,790
Quindi, dal momento che questo è costante, possiamo solo
cadere questo e non preoccuparsene.

469
00:22:55,790 --> 00:23:00,230
Quindi questo sarà effettivamente l'
equazione che stiamo cercando.

470
00:23:00,230 --> 00:23:03,360
>> E se ho più parole, io sono
ancora in corso per avere il preventivo

471
00:23:03,360 --> 00:23:04,610
probabilità qui.

472
00:23:04,610 --> 00:23:06,980
L'unica cosa è che sto moltiplicando
la probabilità di

473
00:23:06,980 --> 00:23:08,490
tutte le altre parole.

474
00:23:08,490 --> 00:23:10,110
Così sto moltiplicando tutti loro.

475
00:23:10,110 --> 00:23:12,610
Dare un senso?

476
00:23:12,610 --> 00:23:18,440
Sembra strano, ma in pratica significa,
calcolare la prima della classe, e

477
00:23:18,440 --> 00:23:22,100
poi moltiplicare per la probabilità di ogni
delle parole che si trovano in quella classe.

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

479
00:23:24,620 --> 00:23:29,150
>> E si sa che la probabilità di un
parola data una classe sta per essere l'

480
00:23:29,150 --> 00:23:34,520
numero di volte si vede che la parola in
tale classe, diviso per il numero di

481
00:23:34,520 --> 00:23:37,020
parole che hanno a che
classe in generale.

482
00:23:37,020 --> 00:23:37,990
Dare un senso?

483
00:23:37,990 --> 00:23:41,680
E 'proprio come "baby" è stato 2 over
il numero di parole che

484
00:23:41,680 --> 00:23:43,020
Ho avuto nei testi.

485
00:23:43,020 --> 00:23:45,130
Quindi, solo la frequenza.

486
00:23:45,130 --> 00:23:46,260
>> Ma c'è una cosa.

487
00:23:46,260 --> 00:23:51,250
Ricordo che stavo mostrando che l'
probabilità di essere della canzone "baby" di

488
00:23:51,250 --> 00:23:56,350
da Katy Perry era di 0 solo perché Katy
Perry non ha avuto "baby" a tutti?

489
00:23:56,350 --> 00:24:04,900
Ma suona un po 'dura a poco
semplicemente dire che i testi non possono essere da

490
00:24:04,900 --> 00:24:10,040
un artista solo perché non hanno
quella parola in particolare in qualsiasi momento.

491
00:24:10,040 --> 00:24:13,330
>> Quindi, si può solo dire, bene, se si
non hanno questa parola, ho intenzione di

492
00:24:13,330 --> 00:24:15,640
vi darà una minore probabilità,
ma sto solo non andare a

493
00:24:15,640 --> 00:24:17,420
dare 0 subito.

494
00:24:17,420 --> 00:24:21,040
Perché forse era qualcosa di simile,
"Fuoco, fuoco, fuoco, fuoco", che è

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

496
00:24:21,990 --> 00:24:26,060
E poi "baby", e va solo per
0 subito perché c'era un

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

498
00:24:27,250 --> 00:24:31,440
>> Quindi, in pratica quello che facciamo è qualcosa di
chiamata Laplace smoothing.

499
00:24:31,440 --> 00:24:36,260
E questo significa solo che sto dando
certa probabilità anche alle parole

500
00:24:36,260 --> 00:24:37,850
che non esistono.

501
00:24:37,850 --> 00:24:43,170
Quindi quello che faccio è che quando sono
calcolo di questo, io aggiungo sempre 1 a

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

503
00:24:44,180 --> 00:24:48,060
Quindi, anche se la parola non esiste, in
questo caso, se questo è 0, sono ancora

504
00:24:48,060 --> 00:24:51,250
calcolare tale pixel 1 sulla
numero totale di parole.

505
00:24:51,250 --> 00:24:55,060
In caso contrario, ottengo quante parole
Ho e aggiungo 1.

506
00:24:55,060 --> 00:24:58,300
Così sto contando per entrambi i casi.

507
00:24:58,300 --> 00:25:00,430
Dare un senso?

508
00:25:00,430 --> 00:25:03,060
>> Così ora facciamo un po 'di codifica.

509
00:25:03,060 --> 00:25:06,440
Ho intenzione di avere a che fare abbastanza in fretta,
ma è solo importante che si

510
00:25:06,440 --> 00:25:08,600
ragazzi a capire i concetti.

511
00:25:08,600 --> 00:25:13,450
Quindi quello che stiamo cercando di fare
è esattamente l'attuazione del presente

512
00:25:13,450 --> 00:25:14,330
cosa che ho appena detto -

513
00:25:14,330 --> 00:25:19,110
Voglio che tu metti testi da
Lady Gaga e Katy Perry.

514
00:25:19,110 --> 00:25:22,980
E il programma sta per essere in grado di
dire se questi nuovi testi sono da Gaga

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

516
00:25:24,170 --> 00:25:25,800
Dare un senso?

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

518
00:25:27,530 --> 00:25:30,710
>> Così ho questo programma ho intenzione
per chiamare classify.py.

519
00:25:30,710 --> 00:25:31,970
Quindi questo è Python.

520
00:25:31,970 --> 00:25:34,210
E 'un nuovo linguaggio di programmazione.

521
00:25:34,210 --> 00:25:38,020
È molto simile in qualche
modi per C e PHP.

522
00:25:38,020 --> 00:25:43,180
E 'simile, perché se si vuole
imparare Python dopo aver conosciuto C, è

523
00:25:43,180 --> 00:25:46,270
davvero non tanto di una sfida
solo perché Python è molto più facile

524
00:25:46,270 --> 00:25:47,520
di C, prima di tutto.

525
00:25:47,520 --> 00:25:49,370
E un sacco di cose sono già
implementato per voi.

526
00:25:49,370 --> 00:25:56,820
Quindi, solo come come PHP ha funzioni che
ordinare un elenco, o aggiungere qualcosa

527
00:25:56,820 --> 00:25:58,780
ad un array, o blah, blah, blah.

528
00:25:58,780 --> 00:26:00,690
Python ha tutte quelle pure.

529
00:26:00,690 --> 00:26:05,960
>> Così sto solo andando a spiegare rapidamente
come potremmo fare la classificazione

530
00:26:05,960 --> 00:26:07,860
problema qui.

531
00:26:07,860 --> 00:26:13,230
Quindi diciamo che in questo caso, ho
lyrics from Gaga e Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Il modo in cui ho questi testi è che
la prima parola del testo è

533
00:26:21,880 --> 00:26:25,250
il nome dell'artista, e
il resto è il testo.

534
00:26:25,250 --> 00:26:29,470
Quindi diciamo che ho questa lista in
che il primo è Testo della canzone Gaga.

535
00:26:29,470 --> 00:26:31,930
Così eccomi qui sulla strada giusta.

536
00:26:31,930 --> 00:26:35,270
E il prossimo è Katy, e
ma ha anche i testi.

537
00:26:35,270 --> 00:26:38,040
>> Quindi questo è come si dichiara
una variabile in Python.

538
00:26:38,040 --> 00:26:40,200
Non dovete dare il tipo di dati.

539
00:26:40,200 --> 00:26:43,150
Basta scrivere "lyrics"
un po 'come in PHP.

540
00:26:43,150 --> 00:26:44,890
Dare un senso?

541
00:26:44,890 --> 00:26:47,770
>> Quindi quali sono le cose che devo
calcolare per poter calcolare la

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

543
00:26:49,360 --> 00:26:55,110
Devo calcolare i "priori"
di ciascuno dei diversi

544
00:26:55,110 --> 00:26:56,710
classi che ho.

545
00:26:56,710 --> 00:27:06,680
Devo calcolare i "posteriori"
o meno le probabilità di

546
00:27:06,680 --> 00:27:12,150
ciascuna delle diverse parole che
Posso avere per ogni artista.

547
00:27:12,150 --> 00:27:17,210
Quindi all'interno di Gaga, per esempio, sto andando
per avere un elenco di quante volte vedo

548
00:27:17,210 --> 00:27:19,250
ciascuna delle parole.

549
00:27:19,250 --> 00:27:20,760
Dare un senso?

550
00:27:20,760 --> 00:27:25,370
>> E, infine, sto solo intenzione di avere un
elenco denominato "parole" che sta solo andando

551
00:27:25,370 --> 00:27:29,780
per avere quante parole ho
avere per ogni artista.

552
00:27:29,780 --> 00:27:33,760
Così per Gaga, per esempio, quando guardo
al testo, che avevo, credo, 24

553
00:27:33,760 --> 00:27:34,750
parole in totale.

554
00:27:34,750 --> 00:27:38,970
Quindi questa lista è solo andare per avere
24 Gaga e Katy altro numero.

555
00:27:38,970 --> 00:27:40,130
Dare un senso?

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

557
00:27:40,560 --> 00:27:42,530
>> Così ora, in realtà, cerchiamo di
andare alla codifica.

558
00:27:42,530 --> 00:27:45,270
Quindi, in Python, si può effettivamente
restituire un mazzo di diversa

559
00:27:45,270 --> 00:27:46,630
cose da una funzione.

560
00:27:46,630 --> 00:27:50,810
Quindi ho intenzione di creare questa funzione
chiamato "condizionale", che sta

561
00:27:50,810 --> 00:27:53,890
per riportare tutte queste cose, la
"priori", le "probabilità", e la

562
00:27:53,890 --> 00:28:05,690
"parole". Quindi "con riserva", ed è
andando a mettere in "lyrics".

563
00:28:05,690 --> 00:28:11,510
>> Così ora voglio che effettivamente
scrivere questa funzione.

564
00:28:11,510 --> 00:28:17,750
Quindi il modo che io possa scrivere questo
funzione è che ho appena definito questo

565
00:28:17,750 --> 00:28:20,620
funzionare con "def". Così ho fatto "def
condizionale ", e sta prendendo

566
00:28:20,620 --> 00:28:28,700
"Lyrics". E ciò che questo sta per fare
è, prima di tutto, ho le mie priori

567
00:28:28,700 --> 00:28:31,030
che voglio calcolare.

568
00:28:31,030 --> 00:28:34,330
>> Quindi il modo che io possa fare questo è creare
un dizionario in Python, che

569
00:28:34,330 --> 00:28:37,320
è praticamente la stessa cosa di un hash
tavolo, o è come un iterativo

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

571
00:28:40,480 --> 00:28:44,150
Questo è come mi dichiaro un dizionario.

572
00:28:44,150 --> 00:28:53,580
E in fondo che cosa questo significa è che
priori di Gaga è di 0,5, ad esempio, se

573
00:28:53,580 --> 00:28:57,200
Il 50% dei testi sono da
Gaga, il 50% sono da Katy.

574
00:28:57,200 --> 00:28:58,450
Dare un senso?

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

576
00:29:00,680 --> 00:29:03,680
Quindi devo capire come
per calcolare i priori.

577
00:29:03,680 --> 00:29:07,120
>> Le prossime quelli che devo fare, anche,
sono le probabilità e le parole.

578
00:29:07,120 --> 00:29:17,100
Quindi le probabilità di Gaga l'elenco
di tutte le probabilità che

579
00:29:17,100 --> 00:29:19,160
avere per ciascuna delle parole di Gaga.

580
00:29:19,160 --> 00:29:23,880
Quindi se vado a probabilità di Gaga
"Baby", per esempio, ti do me

581
00:29:23,880 --> 00:29:28,750
qualcosa come 2 su 24 in questo caso.

582
00:29:28,750 --> 00:29:30,070
Dare un senso?

583
00:29:30,070 --> 00:29:36,120
Così vado a "probabilità", andare al
Secchio "Gaga", che ha un elenco di tutti

584
00:29:36,120 --> 00:29:40,550
le parole Gaga, poi vado a "baby"
e vedo la probabilità.

585
00:29:40,550 --> 00:29:45,940
>> E finalmente ho questa
"Parole" dizionario.

586
00:29:45,940 --> 00:29:53,620
Così qui, "probabilità". Poi
"parole". Quindi se faccio "parole", "Gaga"

587
00:29:53,620 --> 00:29:58,330
ciò che sta per accadere è che si tratta di
intenzione di darmi 24, dicendo che

588
00:29:58,330 --> 00:30:01,990
hanno 24 parole all'interno di testi di Gaga.

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

590
00:30:04,110 --> 00:30:07,070
Così qui, "le parole" uguale dah-dah-dah.

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

592
00:30:07,620 --> 00:30:12,210
>> Allora che cosa ho intenzione di fare è che ho intenzione di
iterare su ognuno dei testi, in modo

593
00:30:12,210 --> 00:30:14,490
ciascuna delle stringhe che
Ho in lista.

594
00:30:14,490 --> 00:30:18,040
E ho intenzione di calcolare queste cose
per ciascuno dei candidati.

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

596
00:30:19,950 --> 00:30:21,700
Quindi devo fare un ciclo for.

597
00:30:21,700 --> 00:30:26,300
>> Quindi, in Python quello che posso fare è "per la linea
canzoni. "La stessa cosa di un

598
00:30:26,300 --> 00:30:28,000
"Per ogni" dichiarazione in PHP.

599
00:30:28,000 --> 00:30:33,420
Ricordate come se fosse PHP ho potuto
dire "ogni canzone come ad

600
00:30:33,420 --> 00:30:35,220
linea. "ha senso?

601
00:30:35,220 --> 00:30:38,900
Così sto prendendo ognuna delle linee, in questo
caso, questa stringa e la successiva

602
00:30:38,900 --> 00:30:44,540
stringa così per ciascuna delle linee di quello che sto
intenzione di fare è in primo luogo, ho intenzione di

603
00:30:44,540 --> 00:30:49,150
dividere questa linea in un elenco di
parole separate da spazi.

604
00:30:49,150 --> 00:30:53,730
>> Quindi la cosa bella di Python è che
Si può solo Google come "come posso

605
00:30:53,730 --> 00:30:58,220
dividere una stringa in parole? "Ed è
intenzione di dirvi come fare.

606
00:30:58,220 --> 00:31:04,890
E il modo per farlo, è solo "linea
= Line.split () "ed è fondamentalmente

607
00:31:04,890 --> 00:31:08,640
per darvi una lista con
ognuna delle parole qui.

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

609
00:31:09,620 --> 00:31:15,870
Quindi, ora che ho fatto io voglio sapere
chi è il cantante di quella canzone.

610
00:31:15,870 --> 00:31:20,130
E per farlo devo solo ottenere l'
primo elemento della matrice, giusto?

611
00:31:20,130 --> 00:31:26,390
Quindi posso solo dire che io "cantante
= Linea (0) "Ha un senso?

612
00:31:26,390 --> 00:31:32,010
>> E poi quello che devo fare è, prima di
tutti, ho intenzione di aggiornare quanti

613
00:31:32,010 --> 00:31:36,130
parole che hanno sotto "Gaga". così io sono solo
andando a calcolare quante parole ho

614
00:31:36,130 --> 00:31:38,690
sono in questa lista, giusto?

615
00:31:38,690 --> 00:31:41,910
Perché questo è quante parole ho
nei testi e sto solo andando a

616
00:31:41,910 --> 00:31:44,120
aggiungerlo alla matrice "Gaga".

617
00:31:44,120 --> 00:31:47,090
Ritiene che senso?

618
00:31:47,090 --> 00:31:49,010
Non concentrarsi troppo sulla sintassi.

619
00:31:49,010 --> 00:31:50,430
Pensare di più i concetti.

620
00:31:50,430 --> 00:31:52,400
Questa è la parte più importante.

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

622
00:31:52,720 --> 00:32:00,260
>> Quindi quello che posso fare è che se "Gaga" è
già in quella lista, così "se il cantante in

623
00:32:00,260 --> 00:32:03,190
parole "il che significa che ho già
hanno parole da Gaga.

624
00:32:03,190 --> 00:32:06,640
Voglio solo aggiungere l'ulteriore
parole che.

625
00:32:06,640 --> 00:32:15,810
Quindi quello che faccio è "parole (cantante)
+ = Len (line) - 1 ".

626
00:32:15,810 --> 00:32:18,250
E allora posso solo fare il
lunghezza della linea.

627
00:32:18,250 --> 00:32:21,860
Così come molti elementi I
avere nella matrice.

628
00:32:21,860 --> 00:32:27,060
E devo fare meno 1 solo perché
il primo elemento della matrice è solo

629
00:32:27,060 --> 00:32:29,180
un cantante e quelli che non sono testi.

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

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

632
00:32:32,780 --> 00:32:35,820
>> "Altrimenti", significa che voglio davvero
inserisci Gaga nella lista.

633
00:32:35,820 --> 00:32:45,990
Quindi io faccio solo "parole (cantante)
= Len (line) - 1, "mi dispiace.

634
00:32:45,990 --> 00:32:49,200
Quindi l'unica differenza tra i due
linee è che questa, non è così

635
00:32:49,200 --> 00:32:51,080
esisto ancora, quindi sono solo
inizializzazione.

636
00:32:51,080 --> 00:32:53,820
Questa realtà sto aggiungendo.

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

638
00:32:55,570 --> 00:32:59,480
Quindi questo è stato aggiunta alle parole.

639
00:32:59,480 --> 00:33:03,040
>> Ora voglio aggiungere a priori.

640
00:33:03,040 --> 00:33:05,480
Allora, come faccio a calcolare i priori?

641
00:33:05,480 --> 00:33:11,580
I priori possono essere calcolati
da quante volte.

642
00:33:11,580 --> 00:33:15,340
Quindi, quante volte si vede che il cantante
tra tutti i cantanti che voi

643
00:33:15,340 --> 00:33:16,380
hanno, giusto?

644
00:33:16,380 --> 00:33:18,810
Così, per Gaga e Katy Perry,
in questo caso, vedo Gaga

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

646
00:33:20,570 --> 00:33:23,320
>> Quindi, in pratica i priori per Gaga
e per Katy Perry sarebbe

647
00:33:23,320 --> 00:33:24,390
essere solo uno, giusto?

648
00:33:24,390 --> 00:33:26,500
Devi solo quante volte
Vedo l'artista.

649
00:33:26,500 --> 00:33:28,740
Quindi questo è molto facile da calcolare.

650
00:33:28,740 --> 00:33:34,100
Posso solo qualcosa di simile come tipo "se
cantante in priori, "Sto solo andando

651
00:33:34,100 --> 00:33:38,970
aggiungere 1 alla loro casella priori.

652
00:33:38,970 --> 00:33:51,000
Quindi, "priori (cantare)" + = 1 "e poi" altro "
Io vado a fare "priori (cantante)

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

654
00:33:55,000 --> 00:34:00,080
>> Quindi, se non esiste ho appena messo
come 1, altrimenti ho appena aggiungo 1.

655
00:34:00,080 --> 00:34:11,280
OK, ora tutto quello che ho lasciato fare
è anche aggiungere ogni parola alla

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

657
00:34:12,290 --> 00:34:14,889
Quindi devo contare quante volte
Vedo ciascuna delle parole.

658
00:34:14,889 --> 00:34:18,780
Quindi non mi resta che fare un altro
per nodo nella linea.

659
00:34:18,780 --> 00:34:25,190
>> Quindi, prima cosa che ho intenzione di fare è
controllare se il cantante ha già un

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

661
00:34:26,969 --> 00:34:31,739
Così sto controllando se il cantante non
hanno una matrice di probabilità, io sono solo

662
00:34:31,739 --> 00:34:34,480
andando per inizializzare uno per loro.

663
00:34:34,480 --> 00:34:36,400
Non è nemmeno un array, mi dispiace,
si tratta di un dizionario.

664
00:34:36,400 --> 00:34:43,080
Quindi le probabilità di cantante sta
per essere un dizionario aperto, quindi sono

665
00:34:43,080 --> 00:34:45,830
solo l'inizializzazione di un dizionario per esso.

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

667
00:34:46,820 --> 00:34:58,330
>> Ed ora posso effettivamente fare un ciclo for
per calcolare ciascuna delle parole '

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

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

670
00:35:01,540 --> 00:35:04,160
Quindi quello che posso fare è un ciclo for.

671
00:35:04,160 --> 00:35:06,590
Così sto solo andando a scorrere
la matrice.

672
00:35:06,590 --> 00:35:15,320
Quindi, il modo in cui posso farlo in Python
è "for i in range." Dal 1

673
00:35:15,320 --> 00:35:19,200
perché voglio iniziare nel secondo
elemento perché la prima è la

674
00:35:19,200 --> 00:35:20,260
Nome del cantante.

675
00:35:20,260 --> 00:35:24,990
Quindi, da uno fino al
lunghezza della linea.

676
00:35:24,990 --> 00:35:29,760
E quando lo faccio RANGE effettivamente andare da
come qui da 1 a len della

677
00:35:29,760 --> 00:35:30,740
linea meno 1.

678
00:35:30,740 --> 00:35:33,810
Così fa già che cosa fare
n meno 1 per le matrici che è molto

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

680
00:35:35,500 --> 00:35:37,850
Ha senso?

681
00:35:37,850 --> 00:35:42,770
>> Quindi, per ognuno di questi, quello che ho intenzione di
fare è, come nell'altro,

682
00:35:42,770 --> 00:35:50,320
Vado a controllare se la parola in questo
posizione nella linea è già

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

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

685
00:35:53,400 --> 00:35:57,260
E poi come ho detto qui, le probabilità
parole, come in metto

686
00:35:57,260 --> 00:35:58,400
"probabilità (cantante)".

687
00:35:58,400 --> 00:35:59,390
Così il nome del cantante.

688
00:35:59,390 --> 00:36:03,450
Quindi, se è già in
"PROBABILIT (cantante)", vuol dire che

689
00:36:03,450 --> 00:36:11,960
Voglio aggiungere 1 ad essa, quindi ho intenzione di
fare "probabilità (cantante)", e l'

690
00:36:11,960 --> 00:36:14,100
parola è chiamato "linea (i)".

691
00:36:14,100 --> 00:36:22,630
Ho intenzione di aggiungere 1 e "altro" Sono solo
andando per inizializzare a 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
Ha senso?

695
00:36:28,420 --> 00:36:30,180
>> Così, ho calcolato tutte le matrici.

696
00:36:30,180 --> 00:36:36,580
Così, ora tutto ciò che devo fare per
questo è solo "ritorno priori,

697
00:36:36,580 --> 00:36:43,230
probabilità e parole. "Facciamo
vedere se ci sono, OK.

698
00:36:43,230 --> 00:36:45,690
Sembra che tutto sta funzionando finora.

699
00:36:45,690 --> 00:36:46,900
Quindi, questo ha un senso?

700
00:36:46,900 --> 00:36:47,750
In qualche modo?

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

702
00:36:49,280 --> 00:36:51,980
Così ora ho tutte le probabilità.

703
00:36:51,980 --> 00:36:55,100
Così ora l'unica cosa che ho lasciato
è solo per avere quella cosa che

704
00:36:55,100 --> 00:36:58,650
calcola il prodotto di tutte le
Probabilità quando ricevo i testi.

705
00:36:58,650 --> 00:37:06,270
>> Quindi diciamo che voglio ora chiamare
questa funzione "classificare ()" e la

706
00:37:06,270 --> 00:37:08,880
cosa che funzione ha
è solo un argomento.

707
00:37:08,880 --> 00:37:13,170
Diciamo "Baby, io sono il fuoco" ed è
andare a capire che cosa è il

708
00:37:13,170 --> 00:37:14,490
probabilità che questo è Gaga?

709
00:37:14,490 --> 00:37:16,405
Qual è la probabilità
che questo è Katie?

710
00:37:16,405 --> 00:37:19,690
Suona bene?

711
00:37:19,690 --> 00:37:25,750
Così sto solo andando ad avere per creare un
nuova funzione chiamata "classificare ()" e

712
00:37:25,750 --> 00:37:29,180
sta andando a prendere un po '
Testo della canzone pure.

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

714
00:37:31,790 --> 00:37:36,160
E poi i testi anche io
dovranno inviare i priori, il

715
00:37:36,160 --> 00:37:37,700
probabilità e le parole.

716
00:37:37,700 --> 00:37:44,000
Quindi ho intenzione di inviare testi, Priori,
probabilità, le parole.

717
00:37:44,000 --> 00:37:51,840
>> Quindi questo sta prendendo testi, Priori,
probabilità, le parole.

718
00:37:51,840 --> 00:37:53,530
Allora, che cosa fa?

719
00:37:53,530 --> 00:37:57,180
E 'fondamentalmente sta per passare attraverso tutti
i possibili candidati che si

720
00:37:57,180 --> 00:37:58,510
avere come cantante.

721
00:37:58,510 --> 00:37:59,425
E dove sono i candidati?

722
00:37:59,425 --> 00:38:01,020
Sono Negli priori, giusto?

723
00:38:01,020 --> 00:38:02,710
Così ho tutti quelli lì.

724
00:38:02,710 --> 00:38:07,870
Quindi ho intenzione di avere un dizionario
di tutti i possibili candidati.

725
00:38:07,870 --> 00:38:14,220
E poi per ciascun candidato in
priori, quindi significa che sta andando a

726
00:38:14,220 --> 00:38:17,740
essere Gaga, Katie se avessi
più sarebbe più.

727
00:38:17,740 --> 00:38:20,410
Ho intenzione di avviare il calcolo
questa probabilità.

728
00:38:20,410 --> 00:38:28,310
La probabilità, come abbiamo visto nel
PowerPoint è dai tempi precedenti alla

729
00:38:28,310 --> 00:38:30,800
prodotto di ciascuno degli
altre probabilità.

730
00:38:30,800 --> 00:38:32,520
>> Così posso fare lo stesso qui.

731
00:38:32,520 --> 00:38:36,330
Posso solo fare la probabilità è
inizialmente solo la prima.

732
00:38:36,330 --> 00:38:40,340
Così priori del candidato.

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

734
00:38:40,870 --> 00:38:45,360
E ora ho per scorrere tutte le
parole che ho nei testi di essere

735
00:38:45,360 --> 00:38:48,820
grado di aggiungere la probabilità
per ciascuno di essi, OK?

736
00:38:48,820 --> 00:38:57,900
Quindi, "per parola canzoni" quello che sto
fare è, se la parola è in

737
00:38:57,900 --> 00:39:01,640
"probabilità (candidati)", che
significa che è una parola che l'

738
00:39:01,640 --> 00:39:03,640
candidato ha nei loro testi -

739
00:39:03,640 --> 00:39:05,940
per esempio, "baby" per Gaga -

740
00:39:05,940 --> 00:39:11,710
che cosa ho intenzione di fare è che l'
probabilità sta per essere moltiplicata

741
00:39:11,710 --> 00:39:22,420
da 1 più le probabilità di
il candidato per quella parola.

742
00:39:22,420 --> 00:39:25,710
E si chiama "parola".

743
00:39:25,710 --> 00:39:32,440
Questo diviso per il numero di parole
che ho per quel candidato.

744
00:39:32,440 --> 00:39:37,450
Il numero totale di parole che ho
per il cantante che sto guardando.

745
00:39:37,450 --> 00:39:40,290
>> "Else". significa che è una parola nuova
così sarebbe come per esempio

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

747
00:39:41,860 --> 00:39:45,760
Quindi voglio solo fare 1 su
"Word (candidato)".

748
00:39:45,760 --> 00:39:47,710
Quindi io non voglio mettere questo termine qui.

749
00:39:47,710 --> 00:39:50,010
>> Quindi sarà sostanzialmente
copiare e incollare questo.

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

751
00:39:54,380 --> 00:39:56,000
Ma ho intenzione di eliminare questa parte.

752
00:39:56,000 --> 00:39:57,610
Quindi è solo andare a essere uno più di questo.

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

754
00:40:00,900 --> 00:40:02,150
Suona bene?

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

756
00:40:03,980 --> 00:40:09,700
E ora, alla fine, sto solo andando a
stampare il nome del candidato e

757
00:40:09,700 --> 00:40:15,750
la probabilità che avete di
avendo la S sui loro testi.

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

759
00:40:16,200 --> 00:40:18,390
E ho fatto fare nemmeno
bisogno di questo dizionario.

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

761
00:40:19,510 --> 00:40:21,810
>> Quindi, vediamo se questo funziona davvero.

762
00:40:21,810 --> 00:40:24,880
Quindi, se corro questo, non ha funzionato.

763
00:40:24,880 --> 00:40:26,130
Aspetta un secondo.

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

765
00:40:28,870 --> 00:40:31,720
"Parole (candidati)", "parole (candidati)",
che è

766
00:40:31,720 --> 00:40:33,750
il nome della matrice.

767
00:40:33,750 --> 00:40:41,435
OK Così, si dice che c'è qualche bug
per il candidato a priori.

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

769
00:40:46,300 --> 00:40:48,760
Lasciatemi semplicemente rilassarsi un po '.

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

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

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

773
00:40:51,720 --> 00:40:58,710
>> Così dà Katy Perry ha questa
probabilità di questo volte 10 alla

774
00:40:58,710 --> 00:41:02,200
meno 7, e Gaga ha questo
tempi di 10 alla meno 6.

775
00:41:02,200 --> 00:41:05,610
Così si vede che dimostra che Gaga
ha una maggiore probabilità.

776
00:41:05,610 --> 00:41:09,260
Quindi "Baby, io sono in fiamme" è
Probabilmente una canzone Gaga.

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

778
00:41:10,580 --> 00:41:12,030
Quindi questo è quello che abbiamo fatto.

779
00:41:12,030 --> 00:41:16,010
>> Questo codice sta per essere pubblicato on-line,
così voi potete verificarlo.

780
00:41:16,010 --> 00:41:20,720
Forse utilizzare alcuni di esso per se volete
fare un progetto o qualcosa di simile.

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

782
00:41:22,150 --> 00:41:25,930
Questo era solo per dimostrare
cosa computazionale

783
00:41:25,930 --> 00:41:27,230
codice linguistica assomiglia.

784
00:41:27,230 --> 00:41:33,040
Ma ora andiamo a più
alto livello di roba.

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

786
00:41:33,340 --> 00:41:35,150
>> Così gli altri problemi che
stava parlando -

787
00:41:35,150 --> 00:41:37,550
il problema della segmentazione
è il primo di essi.

788
00:41:37,550 --> 00:41:40,820
Così avete qui giapponese.

789
00:41:40,820 --> 00:41:43,420
E poi si vede che
non ci sono spazi.

790
00:41:43,420 --> 00:41:49,110
Quindi questo è in pratica significa che è
all'inizio della sedia, giusto?

791
00:41:49,110 --> 00:41:50,550
Tu parli il giapponese?

792
00:41:50,550 --> 00:41:52,840
E 'la parte superiore della sedia, giusto?

793
00:41:52,840 --> 00:41:54,480
>> STUDENTE: Io non so che cosa
il kanji laggiù è.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS FREITAS: Si [lingua giapponese]

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

796
00:41:57,950 --> 00:42:00,960
Quindi significa fondamentalmente presidente del top.

797
00:42:00,960 --> 00:42:03,620
Quindi, se dovessi mettere uno spazio
sarebbe qui.

798
00:42:03,620 --> 00:42:05,970
E allora avete [? Ueda-san. ?]

799
00:42:05,970 --> 00:42:09,040
Il che significa sostanzialmente Mr. Ueda.

800
00:42:09,040 --> 00:42:13,180
E si vede che "Ueda" e si dispone di un
spazio e quindi "san". Così si vede che

801
00:42:13,180 --> 00:42:15,470
qui si "Ue" è come da sé.

802
00:42:15,470 --> 00:42:17,750
E qui ha un carattere
accanto ad essa.

803
00:42:17,750 --> 00:42:21,720
>> Quindi non è come in quelle lingue
caratteri significato di una parola in modo che tu

804
00:42:21,720 --> 00:42:23,980
basta mettere un sacco di spazi.

805
00:42:23,980 --> 00:42:25,500
Personaggi in relazione tra loro.

806
00:42:25,500 --> 00:42:28,680
E possono stare insieme
come due, tre, uno.

807
00:42:28,680 --> 00:42:34,520
Quindi devi effettivamente creare qualche tipo
di modo di mettere quegli spazi.

808
00:42:34,520 --> 00:42:38,850
>> E questa cosa è che ogni volta che si ottiene
dati da tali lingue asiatiche,

809
00:42:38,850 --> 00:42:40,580
tutto viene segmentato.

810
00:42:40,580 --> 00:42:45,940
Perché nessuno che scrive giapponese
o cinese scrive con spazi.

811
00:42:45,940 --> 00:42:48,200
Ogni volta che si sta scrivendo cinese,
Giapponese basta scrivere tutto

812
00:42:48,200 --> 00:42:48,710
senza spazi.

813
00:42:48,710 --> 00:42:52,060
Non ha nemmeno senso
mettere spazi.

814
00:42:52,060 --> 00:42:57,960
Allora quando si ottiene i dati da alcuni
Lingua dell'Asia orientale, se si vuole

815
00:42:57,960 --> 00:43:00,760
effettivamente fare qualcosa con quel
devi primo segmento.

816
00:43:00,760 --> 00:43:05,130
>> Pensate di fare l'esempio di
il testo senza spazi.

817
00:43:05,130 --> 00:43:07,950
Così gli unici testi che avete
sarà frasi, giusto?

818
00:43:07,950 --> 00:43:09,470
Separati da punti.

819
00:43:09,470 --> 00:43:13,930
Ma poi avendo appena la sentenza sarà
non aiuta davvero a dare informazioni

820
00:43:13,930 --> 00:43:17,760
di chi quei testi sono da.

821
00:43:17,760 --> 00:43:18,120
Giusto?

822
00:43:18,120 --> 00:43:20,010
Quindi, si dovrebbe in primo luogo mette spazi.

823
00:43:20,010 --> 00:43:21,990
Così come si può fare?

824
00:43:21,990 --> 00:43:24,920
>> Allora viene l'idea di una lingua
modello che è qualcosa di veramente

825
00:43:24,920 --> 00:43:26,870
importante per computazionale
linguistica.

826
00:43:26,870 --> 00:43:32,790
Così un modello di linguaggio è fondamentalmente un
tabella di probabilità che spettacoli

827
00:43:32,790 --> 00:43:36,260
prima di tutto quanto è la probabilità
di avere la parola in una lingua?

828
00:43:36,260 --> 00:43:39,590
Quindi, mostrando come spesso una parola è.

829
00:43:39,590 --> 00:43:43,130
E poi mostra anche la relazione
tra le parole in una frase.

830
00:43:43,130 --> 00:43:51,500
>> Così l'idea principale è, se uno straniero venuto
a voi e disse una frase per

831
00:43:51,500 --> 00:43:55,600
te, qual è la probabilità che, per
esempio, "questa è mia sorella [? GTF"?]

832
00:43:55,600 --> 00:43:57,480
era la frase che la persona ha detto?

833
00:43:57,480 --> 00:44:00,380
Così, ovviamente, alcune frasi sono
più comuni di altri.

834
00:44:00,380 --> 00:44:04,450
Ad esempio, "buongiorno" o "buona
notte ", o" hey c'è, "è molto più

835
00:44:04,450 --> 00:44:08,260
comune di quanto la maggior parte delle condanne
che abbiamo un inglese.

836
00:44:08,260 --> 00:44:11,060
Allora, perché sono quelle frasi
più frequente?

837
00:44:11,060 --> 00:44:14,060
>> Prima di tutto, è perché avete
parole che sono più frequenti.

838
00:44:14,060 --> 00:44:20,180
Così, per esempio, se tu dici, il cane è
grande, e il cane è gigantesco, è

839
00:44:20,180 --> 00:44:23,880
di solito probabilmente sente il cane è grande
più spesso perché "grande" è più

840
00:44:23,880 --> 00:44:27,260
frequente in inglese di "gigantesco".
Quindi, uno dei

841
00:44:27,260 --> 00:44:30,100
cose è la frequenza delle parole.

842
00:44:30,100 --> 00:44:34,490
>> La seconda cosa che è veramente
importante è solo l'

843
00:44:34,490 --> 00:44:35,490
ordine delle parole.

844
00:44:35,490 --> 00:44:39,500
Quindi, è comune a dire "il gatto è
all'interno della scatola. "ma di solito non

845
00:44:39,500 --> 00:44:44,250
vedere "La scatola interna è il gatto." così
si vede che vi è una certa importanza

846
00:44:44,250 --> 00:44:46,030
nell'ordine delle parole.

847
00:44:46,030 --> 00:44:50,160
Non si può semplicemente dire che quei due
frasi hanno la stessa probabilità

848
00:44:50,160 --> 00:44:53,010
solo perché hanno le stesse parole.

849
00:44:53,010 --> 00:44:55,550
In realtà si deve la cura
circa ordine pure.

850
00:44:55,550 --> 00:44:57,650
Dare un senso?

851
00:44:57,650 --> 00:44:59,490
>> Allora cosa facciamo?

852
00:44:59,490 --> 00:45:01,550
Così che cosa potrei provare a prenderti?

853
00:45:01,550 --> 00:45:04,400
Sto cercando di ottenere ciò che
chiamare i modelli n-gram.

854
00:45:04,400 --> 00:45:09,095
Così i modelli n-gram fondamentalmente assumono
che per ogni parola

855
00:45:09,095 --> 00:45:10,960
si dispone in una frase.

856
00:45:10,960 --> 00:45:15,020
È la probabilità di avere tale
parola non dipende non solo dalla

857
00:45:15,020 --> 00:45:18,395
frequenza di tale parola nella lingua,
ma anche sulle parole che

858
00:45:18,395 --> 00:45:19,860
sono lo circonda.

859
00:45:19,860 --> 00:45:25,810
>> Così, per esempio, di solito quando si vede
qualcosa di simile o alle sei

860
00:45:25,810 --> 00:45:28,040
probabilmente andando a vedere un
sostantivo dopo, giusto?

861
00:45:28,040 --> 00:45:31,750
Perché quando hai una preposizione
di solito ci vuole un sostantivo dopo di esso.

862
00:45:31,750 --> 00:45:35,540
O se avete un verbo che è transitivo
di solito sta per

863
00:45:35,540 --> 00:45:36,630
avere un sintagma nominale.

864
00:45:36,630 --> 00:45:38,780
Così sta andando ad avere un sostantivo
da qualche parte intorno ad esso.

865
00:45:38,780 --> 00:45:44,950
>> Quindi, in sostanza, ciò che fa è che essa
considera la probabilità di avere

866
00:45:44,950 --> 00:45:47,960
parole accanto all'altro, quando
si sta calcolando il

867
00:45:47,960 --> 00:45:49,050
probabilità di una frase.

868
00:45:49,050 --> 00:45:50,960
Ed è quello che una lingua
il modello è fondamentalmente.

869
00:45:50,960 --> 00:45:54,620
Basta dire qual è la probabilità
di avere un preciso

870
00:45:54,620 --> 00:45:57,120
frase in una lingua?

871
00:45:57,120 --> 00:45:59,110
Allora perché è così utile, in fondo?

872
00:45:59,110 --> 00:46:02,390
E prima di tutto ciò che è
un modello n-gram, allora?

873
00:46:02,390 --> 00:46:08,850
>> Così un modello n-grammi significa che
ogni parola dipende dalla

874
00:46:08,850 --> 00:46:12,700
accanto N meno 1 parole.

875
00:46:12,700 --> 00:46:18,150
Quindi, in sostanza, vuol dire che se guardo,
per esempio, al TF CS50 quando

876
00:46:18,150 --> 00:46:21,500
Sto calcolando la probabilità di
la frase, si sarà come "l'

877
00:46:21,500 --> 00:46:25,280
probabilità di avere la parola "il"
volte la probabilità di avere "l'

878
00:46:25,280 --> 00:46:31,720
CS50 "volte la probabilità di avere
"Il TF CS50." Quindi, in sostanza, io conto

879
00:46:31,720 --> 00:46:35,720
tutti i possibili modi di stretching.

880
00:46:35,720 --> 00:46:41,870
>> E poi di solito quando si sta facendo questo,
come in un progetto, si mette N di essere

881
00:46:41,870 --> 00:46:42,600
un valore basso.

882
00:46:42,600 --> 00:46:45,930
Così, di solito hanno bigrams o trigrammi.

883
00:46:45,930 --> 00:46:51,090
In modo che appena contano due parole, un
gruppo di due parole, o tre parole,

884
00:46:51,090 --> 00:46:52,620
solo per problemi di prestazioni.

885
00:46:52,620 --> 00:46:56,395
E anche perché magari se avete
qualcosa come "Il TF CS50." Quando si

886
00:46:56,395 --> 00:47:00,510
hanno "TF", è molto importante che
"CS50" è accanto ad essa, giusto?

887
00:47:00,510 --> 00:47:04,050
Queste due cose sono di solito
accanto all'altro.

888
00:47:04,050 --> 00:47:06,410
>> Se si pensa di "TF", è probabilmente
andando ad avere ciò che

889
00:47:06,410 --> 00:47:07,890
classe è TF'ing per.

890
00:47:07,890 --> 00:47:11,330
Anche "la" è veramente importante
per CS50 TF.

891
00:47:11,330 --> 00:47:14,570
Ma se avete qualcosa come "Il CS50
TF è andato a lezione e ha dato loro

892
00:47:14,570 --> 00:47:20,060
studenti di alcune caramelle. "" Candy "e" la "
non hanno alcun rapporto davvero, giusto?

893
00:47:20,060 --> 00:47:23,670
Sono così distanti tra loro che
in realtà non importa cosa

894
00:47:23,670 --> 00:47:25,050
parole che hanno.

895
00:47:25,050 --> 00:47:31,210
>> Quindi, facendo un bigram o un trigramma, si
semplicemente significa che si sta limitando

896
00:47:31,210 --> 00:47:33,430
a voi stessi di alcune parole
che sono intorno.

897
00:47:33,430 --> 00:47:35,810
Dare un senso?

898
00:47:35,810 --> 00:47:40,630
Quindi, quando si vuole fare la segmentazione,
in sostanza, ciò che si vuole fare è vedere

899
00:47:40,630 --> 00:47:44,850
quali sono tutti i possibili modi che
è possibile segmentare la frase.

900
00:47:44,850 --> 00:47:49,090
>> Tale che vedete qual è il
probabilità di ciascuna di quelle frasi

901
00:47:49,090 --> 00:47:50,880
esistente nella lingua?

902
00:47:50,880 --> 00:47:53,410
Quindi, quello che fai è come, beh, lasciate
Cercherò di mettere uno spazio qui.

903
00:47:53,410 --> 00:47:55,570
Così si mette uno spazio lì
e si vede qual è il

904
00:47:55,570 --> 00:47:57,590
probabilità di quella frase?

905
00:47:57,590 --> 00:48:00,240
Allora sei come, OK, forse
che non era buono.

906
00:48:00,240 --> 00:48:03,420
Così ho messo uno spazio c'e uno spazio
lì, e si calcola il

907
00:48:03,420 --> 00:48:06,240
probabilità ora, e si vede che
è una maggiore probabilità.

908
00:48:06,240 --> 00:48:12,160
>> Quindi questo è un algoritmo chiamato TANGO
algoritmo di segmentazione, che è

909
00:48:12,160 --> 00:48:14,990
in realtà qualcosa che sarebbe davvero
fresco per un progetto, che

910
00:48:14,990 --> 00:48:20,860
fondamentalmente prende testo non segmentato che
può essere giapponese o cinese o forse

911
00:48:20,860 --> 00:48:26,080
Inglese senza spazi e cerca di mettere
spazi tra le parole e lo fa

912
00:48:26,080 --> 00:48:29,120
che utilizzando un modello del linguaggio e
cercando di vedere qual è la più alta

913
00:48:29,120 --> 00:48:31,270
probabilità che si può ottenere.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Quindi questo è segmentazione.

916
00:48:33,800 --> 00:48:35,450
>> Ora sintassi.

917
00:48:35,450 --> 00:48:40,940
Quindi, sintassi viene utilizzato per
così tante cose in questo momento.

918
00:48:40,940 --> 00:48:44,880
Così per il grafico Ricerca per Siri per
praticamente qualsiasi tipo di naturale

919
00:48:44,880 --> 00:48:46,490
elaborazione del linguaggio che avete.

920
00:48:46,490 --> 00:48:49,140
Quindi quali sono le importanti
cose di sintassi?

921
00:48:49,140 --> 00:48:52,390
Quindi, frasi in generale hanno
ciò che noi chiamiamo costituenti.

922
00:48:52,390 --> 00:48:57,080
Che sono un po 'come gruppi di parole
che hanno una funzione nella frase.

923
00:48:57,080 --> 00:49:02,220
E non possono essere veramente
l'uno dall'altro.

924
00:49:02,220 --> 00:49:07,380
>> Quindi, se io dico, per esempio, "Lauren ama
Milo. "So che" Lauren "è un

925
00:49:07,380 --> 00:49:10,180
costituente e quindi "amori
Milo "è anche un altro.

926
00:49:10,180 --> 00:49:16,860
Perché non si può dire come "Lauren Milo
ama "per avere lo stesso significato.

927
00:49:16,860 --> 00:49:18,020
Non sta andando ad avere
lo stesso significato.

928
00:49:18,020 --> 00:49:22,500
O non posso dire come "Milo Lauren
ama. "Non tutto ha lo stesso

929
00:49:22,500 --> 00:49:25,890
significa farlo.

930
00:49:25,890 --> 00:49:31,940
>> Quindi le due cose più importanti su
sintassi sono i tipi lessicali che è

931
00:49:31,940 --> 00:49:35,390
fondamentalmente la funzione che si
avere per parole da soli.

932
00:49:35,390 --> 00:49:39,180
Quindi dovete sapere che "Lauren"
e "Milo" sono sostantivi.

933
00:49:39,180 --> 00:49:41,040
"Love" è un verbo.

934
00:49:41,040 --> 00:49:45,660
E la seconda cosa importante è
che sono tipi frasali.

935
00:49:45,660 --> 00:49:48,990
Così si sa che "ama Milo"
è in realtà una frase verbale.

936
00:49:48,990 --> 00:49:52,390
Quindi, quando dico "Lauren", so che
Lauren sta facendo qualcosa.

937
00:49:52,390 --> 00:49:53,620
Che cosa sta facendo?

938
00:49:53,620 --> 00:49:54,570
Lei adora Milo.

939
00:49:54,570 --> 00:49:56,440
Quindi è una cosa completamente.

940
00:49:56,440 --> 00:50:01,640
Ma i suoi componenti sono
un sostantivo e un verbo.

941
00:50:01,640 --> 00:50:04,210
Ma insieme, fanno un verbo frase.

942
00:50:04,210 --> 00:50:08,680
>> Allora, che cosa possiamo realmente fare con
linguistica computazionale?

943
00:50:08,680 --> 00:50:13,810
Quindi, se ho qualcosa per esempio
"amici di Allison". Vedo se ho appena

944
00:50:13,810 --> 00:50:17,440
ha un albero sintattico vorrei sapere che
"Friends" è un sintagma nominale è un

945
00:50:17,440 --> 00:50:21,480
sostantivo e poi "di Allison" è un
frase preposizionale in cui "di" è

946
00:50:21,480 --> 00:50:24,810
una proposizione e "Allison" è un sostantivo.

947
00:50:24,810 --> 00:50:30,910
Cosa potevo fare è insegnare il computer
che quando ho un sintagma nominale uno e

948
00:50:30,910 --> 00:50:33,080
poi una frase preposizionale.

949
00:50:33,080 --> 00:50:39,020
Quindi, in questo caso, "amici" e poi "di
Milo "So che questo significa che

950
00:50:39,020 --> 00:50:43,110
NP2, il secondo, possiede NP1.

951
00:50:43,110 --> 00:50:47,680
>> Così posso creare una sorta di relazione,
qualche tipo di funzione per esso.

952
00:50:47,680 --> 00:50:52,370
Così ogni volta che vedo questa struttura, che
corrisponde esattamente con "gli amici di

953
00:50:52,370 --> 00:50:56,030
Allison, "so che Allison
possiede gli amici.

954
00:50:56,030 --> 00:50:58,830
Così gli amici sono qualcosa
che Allison ha.

955
00:50:58,830 --> 00:50:59,610
Ha senso?

956
00:50:59,610 --> 00:51:01,770
Quindi questo è fondamentalmente ciò che
Grafico di ricerca fa.

957
00:51:01,770 --> 00:51:04,360
Si crea solo regole
per un sacco di cose.

958
00:51:04,360 --> 00:51:08,190
Quindi "amici di Allison", "i miei amici
che vivono a Cambridge "," i miei amici

959
00:51:08,190 --> 00:51:12,970
che vanno a Harvard. "Crea regole
per tutte queste cose.

960
00:51:12,970 --> 00:51:14,930
>> Ora traduzione automatica.

961
00:51:14,930 --> 00:51:18,850
Quindi, la traduzione automatica è anche
qualcosa di statistica.

962
00:51:18,850 --> 00:51:21,340
E in realtà, se sei stato coinvolto in
linguistica computazionale, un sacco di

963
00:51:21,340 --> 00:51:23,580
la tua roba sarà statistiche.

964
00:51:23,580 --> 00:51:26,670
Quindi, come stavo facendo l'esempio con
un sacco di probabilità che ero

965
00:51:26,670 --> 00:51:30,540
calcolo, e poi si arriva a questo
numero molto piccolo che è la finale

966
00:51:30,540 --> 00:51:33,180
probabilità, e questo è ciò che
ti dà la risposta.

967
00:51:33,180 --> 00:51:37,540
Traduzione automatica utilizza anche
un modello statistico.

968
00:51:37,540 --> 00:51:44,790
E se si vuole pensare di macchina
Traduzione in semplice possibile

969
00:51:44,790 --> 00:51:48,970
modo, ciò che si può pensare è solo
tradurre parola per parola, giusto?

970
00:51:48,970 --> 00:51:52,150
>> Quando stai imparando una lingua per l'
prima volta, che di solito è quello che

971
00:51:52,150 --> 00:51:52,910
si fa, giusto?

972
00:51:52,910 --> 00:51:57,050
Se volete tradurre una frase
nella tua lingua alla lingua

973
00:51:57,050 --> 00:52:00,060
stai imparando, di solito in primo luogo,
di tradurre ogni parola

974
00:52:00,060 --> 00:52:03,180
individualmente, e quindi si tenta
di mettere le parole in posizione.

975
00:52:03,180 --> 00:52:07,100
>> Quindi, se ho voluto tradurre questo,
[Chi parla portoghese]

976
00:52:07,100 --> 00:52:10,430
che significa "il gatto bianco scappato."
Se avessi voluto tradurlo da

977
00:52:10,430 --> 00:52:13,650
Portoghese inglese, quello che ho
potrebbe fare è, in primo luogo, ho solo

978
00:52:13,650 --> 00:52:14,800
tradurre parola per parola.

979
00:52:14,800 --> 00:52:20,570
Quindi, "o" è "il", "gato", "gatto"
"Branco", "bianco" e quindi "fugio" è

980
00:52:20,570 --> 00:52:21,650
"Scappato".

981
00:52:21,650 --> 00:52:26,130
>> Allora ho tutte le parole qui,
ma non sono in ordine.

982
00:52:26,130 --> 00:52:29,590
E 'come "il gatto bianco scappato"
che è sgrammaticata.

983
00:52:29,590 --> 00:52:34,490
Così, allora posso avere una seconda fase, che
sta per essere trovare l'ideale

984
00:52:34,490 --> 00:52:36,610
posizione per ciascuna delle parole.

985
00:52:36,610 --> 00:52:40,240
Quindi so che io in realtà voglio avere
"Gatto bianco" invece di "gatto bianco". Così

986
00:52:40,240 --> 00:52:46,050
quello che posso fare è, il metodo più ingenuo
sarebbe quello di creare tutte le

987
00:52:46,050 --> 00:52:49,720
possibili permutazioni di
parole, delle posizioni.

988
00:52:49,720 --> 00:52:53,300
E poi vedere quale ha la
più alta probabilità secondo

989
00:52:53,300 --> 00:52:54,970
al mio modello di linguaggio.

990
00:52:54,970 --> 00:52:58,390
E poi quando trovo quello che ha
la più alta probabilità esso, che è

991
00:52:58,390 --> 00:53:01,910
probabilmente "il gatto bianco scappato,"
questa è la mia traduzione.

992
00:53:01,910 --> 00:53:06,710
>> E questo è un modo semplice di spiegare
come un sacco di traduzione automatica

993
00:53:06,710 --> 00:53:07,910
algoritmi funzionano.

994
00:53:07,910 --> 00:53:08,920
Ritiene che senso?

995
00:53:08,920 --> 00:53:12,735
Questo è anche qualcosa di veramente eccitante
che voi ragazzi può forse scoprire per un

996
00:53:12,735 --> 00:53:13,901
progetto definitivo, sì?

997
00:53:13,901 --> 00:53:15,549
>> STUDENTE: Beh, hai detto che era
il modo ingenuo, quindi qual è

998
00:53:15,549 --> 00:53:17,200
il modo non ingenuo?

999
00:53:17,200 --> 00:53:18,400
>> LUCAS FREITAS: Il modo non ingenuo?

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Quindi la prima cosa che è male di
questo metodo è che ho appena tradotto

1002
00:53:22,860 --> 00:53:24,330
parole, parola per parola.

1003
00:53:24,330 --> 00:53:30,570
Ma a volte hai parole che
può avere più traduzioni.

1004
00:53:30,570 --> 00:53:32,210
Ho intenzione di provare a pensare
di qualcosa.

1005
00:53:32,210 --> 00:53:37,270
Ad esempio, "manga" in can portoghese
essere sia "mangle" o "manica". Così

1006
00:53:37,270 --> 00:53:40,450
quando si sta cercando di tradurre parola
con la parola, si potrebbe ti dà

1007
00:53:40,450 --> 00:53:42,050
qualcosa che non ha senso.

1008
00:53:42,050 --> 00:53:45,770
>> Così si vuole realmente si guarda a tutti
le possibili traduzioni del

1009
00:53:45,770 --> 00:53:49,840
parole e vedere, prima di tutto,
che cosa è l'ordine.

1010
00:53:49,840 --> 00:53:52,000
Stavamo parlando permutating
le cose?

1011
00:53:52,000 --> 00:53:54,150
Per vedere tutti i possibili ordini e
scegliere quello con la massima

1012
00:53:54,150 --> 00:53:54,990
probabilità?

1013
00:53:54,990 --> 00:53:57,860
È anche possibile scegliere tutte le possibili
traduzioni per ogni

1014
00:53:57,860 --> 00:54:00,510
parola e poi vedere -

1015
00:54:00,510 --> 00:54:01,950
combinata con le permutazioni -

1016
00:54:01,950 --> 00:54:03,710
che si ha la più alta probabilità.

1017
00:54:03,710 --> 00:54:08,590
>> Inoltre, è possibile anche guardare non
solo parole ma frasi.

1018
00:54:08,590 --> 00:54:11,700
in modo da poter analizzare i rapporti tra
le parole e quindi ottenere un

1019
00:54:11,700 --> 00:54:13,210
traduzione migliore.

1020
00:54:13,210 --> 00:54:16,690
Inoltre qualcos'altro, così questo semestre
Realtà sto facendo ricerca in

1021
00:54:16,690 --> 00:54:19,430
Cinese-Inglese traduzione automatica,
così traducendo da

1022
00:54:19,430 --> 00:54:20,940
Cinese in inglese.

1023
00:54:20,940 --> 00:54:26,760
>> E qualcosa che facciamo è, oltre ad utilizzare
un modello statistico, che è solo

1024
00:54:26,760 --> 00:54:30,570
vedendo le probabilità di vedere
qualche posizione in una frase, sono

1025
00:54:30,570 --> 00:54:35,360
in realtà anche l'aggiunta di una sintassi al mio
modello, dicendo: oh, se vedo questo tipo

1026
00:54:35,360 --> 00:54:39,420
di costruzione, questo è quello che voglio
cambiare per quando traduco.

1027
00:54:39,420 --> 00:54:43,880
Così si può anche aggiungere qualche tipo di
elemento di sintassi per rendere l'

1028
00:54:43,880 --> 00:54:47,970
traduzione più efficiente
e più precisa.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Così come si può iniziare, se si desidera
di fare qualcosa in computazionale

1031
00:54:51,010 --> 00:54:51,980
linguistica?

1032
00:54:51,980 --> 00:54:54,560
>> In primo luogo, si sceglie un progetto
che coinvolge le lingue.

1033
00:54:54,560 --> 00:54:56,310
Quindi, ci sono così tanti là fuori.

1034
00:54:56,310 --> 00:54:58,420
Ci sono tante cose che puoi fare.

1035
00:54:58,420 --> 00:55:00,510
E poi si può pensare a un modello
che è possibile utilizzare.

1036
00:55:00,510 --> 00:55:04,710
Di solito questo significa pensare
ipotesi, come come, oh, quando ero

1037
00:55:04,710 --> 00:55:05,770
come il pensiero dei testi.

1038
00:55:05,770 --> 00:55:09,510
Ero come, bene, se voglio capire
una che ha scritto questo, probabilmente voglio

1039
00:55:09,510 --> 00:55:15,400
a guardare le parole persona che ha utilizzato e
vedere chi usa quella parola molto spesso.

1040
00:55:15,400 --> 00:55:18,470
Quindi cercate di fare ipotesi e
cercare di pensare a modelli.

1041
00:55:18,470 --> 00:55:21,395
E allora si può anche verificare on-line per
il tipo di problema che avete,

1042
00:55:21,395 --> 00:55:24,260
e sta andando a suggerire
a voi i modelli che forse

1043
00:55:24,260 --> 00:55:26,560
modellato bene che cosa.

1044
00:55:26,560 --> 00:55:29,080
>> E inoltre si può sempre scrivermi.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
E posso solo rispondere alle vostre domande.

1047
00:55:34,940 --> 00:55:38,600
Possiamo anche potremmo incontrare così posso
dare suggerimenti sulle modalità di

1048
00:55:38,600 --> 00:55:41,490
l'attuazione del progetto.

1049
00:55:41,490 --> 00:55:45,610
E voglio dire, se sei stato coinvolto con
linguistica computazionale, sta andando

1050
00:55:45,610 --> 00:55:46,790
per essere grande.

1051
00:55:46,790 --> 00:55:48,370
Stai andando a vedere lì
è così tanto potenziale.

1052
00:55:48,370 --> 00:55:52,060
E l'industria vuole assumere
così male a causa di questo.

1053
00:55:52,060 --> 00:55:54,720
Quindi spero che voi ragazzi è piaciuto questo.

1054
00:55:54,720 --> 00:55:57,030
Se voi ragazzi avete tutte le domande,
si può chiedere a me dopo questo.

1055
00:55:57,030 --> 00:55:58,280
Ma grazie.

1056
00:55:58,280 --> 00:56:00,150