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
Vabljeni vsi.

4
00:00:09,980 --> 00:00:11,216
Moje ime je Lucas Freitas.

5
00:00:11,216 --> 00:00:15,220
Sem junior na [neslišno] študiju
računalništva s poudarkom na

6
00:00:15,220 --> 00:00:16,410
računalniškega jezikoslovja.

7
00:00:16,410 --> 00:00:19,310
Torej moj sekundarni v jeziku
in teorija jezika.

8
00:00:19,310 --> 00:00:21,870
Res sem navdušena, da naučil fantje
malo o tem področju.

9
00:00:21,870 --> 00:00:24,300
To je zelo zanimivo področje za študij.

10
00:00:24,300 --> 00:00:27,260
Tudi z veliko potenciala
za prihodnost.

11
00:00:27,260 --> 00:00:30,160
Torej, jaz sem res navdušena, da vidva
razmišljajo projekte

12
00:00:30,160 --> 00:00:31,160
računalniškega jezikoslovja.

13
00:00:31,160 --> 00:00:35,460
In jaz bom z veseljem svetoval
kdo od vas, če se boste odločili za

14
00:00:35,460 --> 00:00:37,090
uresničujejo enega od teh.

15
00:00:37,090 --> 00:00:40,010
>> Torej, najprej, kaj je računalniška
lingvistika?

16
00:00:40,010 --> 00:00:44,630
Torej, računalniška lingvistika, je
presečišče med jezikoslovjem in

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

18
00:00:46,390 --> 00:00:47,415
Torej, kaj je jezikoslovje?

19
00:00:47,415 --> 00:00:48,490
Kaj je računalništvo?

20
00:00:48,490 --> 00:00:51,580
No iz jezikoslovja, kaj
vzamemo so jeziki.

21
00:00:51,580 --> 00:00:54,960
Torej jezikoslovje je dejansko študija
naravnega jezika na splošno.

22
00:00:54,960 --> 00:00:58,330
Torej naravni jezik - govorimo o
jezik, ki se dejansko uporabljajo za

23
00:00:58,330 --> 00:00:59,770
komunicirajo med seboj.

24
00:00:59,770 --> 00:01:02,200
Torej ne ravno govorimo
o C ali Java.

25
00:01:02,200 --> 00:01:05,900
Govorimo več o angleškem in
Kitajski in drugi jeziki, ki jih

26
00:01:05,900 --> 00:01:07,780
uporabljajo za komunikacijo med seboj.

27
00:01:07,780 --> 00:01:12,470
>> Zahtevna stvar, da je to
Zdaj imamo skoraj 7.000

28
00:01:12,470 --> 00:01:14,260
jezikov v svetu.

29
00:01:14,260 --> 00:01:19,520
Torej, obstaja precej visoka sorta
jezikov, da lahko študirajo.

30
00:01:19,520 --> 00:01:22,600
In potem misliš, da je to verjetno
zelo težko narediti, npr

31
00:01:22,600 --> 00:01:26,960
prevod iz enega jezika v
drugo, če upoštevamo, da imate

32
00:01:26,960 --> 00:01:28,240
skoraj 7.000 od njih.

33
00:01:28,240 --> 00:01:31,450
Torej, če misliš, da delaš prevod
iz enega jezika v drugi si

34
00:01:31,450 --> 00:01:35,840
imajo skoraj več kot milijon
različnih kombinacij, ki jih lahko

35
00:01:35,840 --> 00:01:37,330
imajo od jezika do jezika.

36
00:01:37,330 --> 00:01:40,820
Torej, to je res izziv, da naredite nekaj
vrsta primer prevajalskega sistema

37
00:01:40,820 --> 00:01:43,540
vsak jezik.

38
00:01:43,540 --> 00:01:47,120
>> Torej, jezikoslovje obravnava s sintakso,
Semantika in pragmatika.

39
00:01:47,120 --> 00:01:49,550
Vi se natančno ne potrebujem
vedeti, kaj so.

40
00:01:49,550 --> 00:01:55,090
Ampak zelo zanimiva stvar je, da
kot native speaker, ko ste izvedeli,

41
00:01:55,090 --> 00:01:59,010
jezik kot otrok, ste dejansko učijo
vse te stvari - skladnja semantika

42
00:01:59,010 --> 00:02:00,500
in pragmatika -

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

44
00:02:01,430 --> 00:02:04,820
In nihče ne bo naučil sintakso
, da bi razumeli, kako so kazni

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

46
00:02:05,290 --> 00:02:07,980
Torej, to je res zanimivo, ker
to je nekaj, kar pride zelo

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

48
00:02:10,389 --> 00:02:13,190
>> In kaj ob od
računalništvo?

49
00:02:13,190 --> 00:02:16,700
No, najbolj pomembna stvar, ki jo
imajo v računalništvu je v prvi vrsti

50
00:02:16,700 --> 00:02:19,340
Vse, umetna inteligenca
in strojno učenje.

51
00:02:19,340 --> 00:02:22,610
Torej, kaj smo poskušali delaš
računalniška lingvistika je teach

52
00:02:22,610 --> 00:02:26,990
računalnik, kako narediti nekaj
z jezikom.

53
00:02:26,990 --> 00:02:28,630
>> Tako, na primer, v stroju
prevod.

54
00:02:28,630 --> 00:02:32,490
Poskušam se naučiti moj računalnik how
vedeti, kako prehod iz ene

55
00:02:32,490 --> 00:02:33,310
jezik za drugo.

56
00:02:33,310 --> 00:02:35,790
Torej, v bistvu všeč poučevanje
Računalniške dva jezika.

57
00:02:35,790 --> 00:02:38,870
Če naredim obdelavo naravnega jezika,
ki je primer za

58
00:02:38,870 --> 00:02:41,810
Facebook Graf Search, učiš
računalnik, kako razumeti

59
00:02:41,810 --> 00:02:42,730
poizvedbe dobro.

60
00:02:42,730 --> 00:02:48,130
>> Torej, če rečeš "fotografije mojega
prijatelji. "Facebook ne zdravi, da

61
00:02:48,130 --> 00:02:51,130
kot cel niz, ki ima
samo kup besed.

62
00:02:51,130 --> 00:02:56,020
To dejansko razume odnos
med "fotografije" in "prijatelji" in

63
00:02:56,020 --> 00:02:59,620
razume, da se "fotografije", so
lastnina "prijatelji".

64
00:02:59,620 --> 00:03:02,350
>> Torej, to je del, na primer,
obdelava naravnega jezika.

65
00:03:02,350 --> 00:03:04,790
To se poskuša razumeti, kaj
je razmerje med

66
00:03:04,790 --> 00:03:07,520
besede v stavku.

67
00:03:07,520 --> 00:03:11,170
In veliko vprašanje je, lahko
naučiti računalnik, kako govoriti

68
00:03:11,170 --> 00:03:12,650
jezik na splošno?

69
00:03:12,650 --> 00:03:17,810
Kar je zelo zanimivo vprašanje
mislim, kot če bi morda v prihodnosti,

70
00:03:17,810 --> 00:03:19,930
boste mogli
pogovorite s svojim mobilnim telefonom.

71
00:03:19,930 --> 00:03:23,290
Nekako tako kot tisto, kar počnemo s Siri, vendar
nekaj več kot, lahko dejansko

72
00:03:23,290 --> 00:03:25,690
reči karkoli hočeš, in telefon
se dogaja, da razumejo vse.

73
00:03:25,690 --> 00:03:28,350
In ima lahko spremljala vprašanja
in govorite.

74
00:03:28,350 --> 00:03:30,880
To je nekaj res razburljivo,
po mojem mnenju.

75
00:03:30,880 --> 00:03:33,070
>> Torej, nekaj o naravnih jezikov.

76
00:03:33,070 --> 00:03:36,220
Nekaj ​​res zanimivo
naravnih jezikov je, da je, in to je

77
00:03:36,220 --> 00:03:38,470
kredit na moj profesor lingvistike,
Maria Polinsky.

78
00:03:38,470 --> 00:03:40,830
Ona daje zgled in mislim,
to je res zanimivo.

79
00:03:40,830 --> 00:03:47,060
Ker smo se naučili jezika, od kdaj
rodimo in potem naš materni

80
00:03:47,060 --> 00:03:49,170
jezik vrsta raste na nas.

81
00:03:49,170 --> 00:03:52,570
>> In v bistvu se boste naučili jezika
od minimalne vhod, mar ne?

82
00:03:52,570 --> 00:03:56,700
Ste pravkar dobili vhod iz vašega
Starši, kaj je tvoj jezik sliši

83
00:03:56,700 --> 00:03:58,770
všeč in jo šele učijo.

84
00:03:58,770 --> 00:04:02,240
Torej, to je zanimivo, ker če pogledaš
V teh stavkih, npr.

85
00:04:02,240 --> 00:04:06,980
Zgledaš, "Mary nadene plašč vsakem
Čas zapusti hišo. "

86
00:04:06,980 --> 00:04:10,650
>> V tem primeru je mogoče imeti
Beseda "ona" nanaša na Marijo, kajne?

87
00:04:10,650 --> 00:04:13,500
Lahko rečeš "Mary nadene plašč
vsakič Mary zapusti

88
00:04:13,500 --> 00:04:14,960
hiša. ", tako da je v redu.

89
00:04:14,960 --> 00:04:19,370
Ampak potem, če pogledaš na stavka
"Ona postavlja na plašč vsakič Mary

90
00:04:19,370 --> 00:04:22,850
zapusti hišo. "veš, da je
mogoče reči, da je "ona" je

91
00:04:22,850 --> 00:04:24,260
ki se nanaša na Marijo.

92
00:04:24,260 --> 00:04:27,070
>> Ni šans, da bi rekel, da je "Marija postavlja
na plašču vsakič Mary zapusti

93
00:04:27,070 --> 00:04:30,790
hiša. "Torej, to je zanimivo, ker
to je nekako intuicijo

94
00:04:30,790 --> 00:04:32,890
da ima vsak naravni govorec.

95
00:04:32,890 --> 00:04:36,370
In nihče ni naučil, da je to
Tako, da je sintaksa deluje.

96
00:04:36,370 --> 00:04:41,930
In da lahko le to "ona"
sklicevanjem na Marije v tem prvem primeru

97
00:04:41,930 --> 00:04:44,260
in dejansko je to druga
Tudi, vendar ne v tem.

98
00:04:44,260 --> 00:04:46,500
Toda vsi nekako dobi
na isti odgovor.

99
00:04:46,500 --> 00:04:48,580
Vsakdo se strinja s tem.

100
00:04:48,580 --> 00:04:53,280
Tako da je res zanimivo, kako, čeprav
ne veš vsa pravila

101
00:04:53,280 --> 00:04:55,575
v vašem jeziku, ki ga nekako razumem
kako jezik deluje.

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

103
00:04:59,020 --> 00:05:01,530
>> Tako zanimiva stvar, o naravnih
je jezik, ki ga ne bi bilo treba

104
00:05:01,530 --> 00:05:06,970
poznam nobenega sintakso, da vem, če stavek
je slovnična ali Negramatički za

105
00:05:06,970 --> 00:05:08,810
večini primerov.

106
00:05:08,810 --> 00:05:13,220
, Ki misliš, da morda kaj
se zgodi, da skozi svoje življenje, si

107
00:05:13,220 --> 00:05:17,410
samo vztrajati vse bolj in bolj
stavki povedal za vas.

108
00:05:17,410 --> 00:05:19,800
In potem boste obdržali memoriranje
vse kazni.

109
00:05:19,800 --> 00:05:24,230
In potem, ko ti nekdo pove,
nekaj, slišiš ta stavek in

110
00:05:24,230 --> 00:05:27,040
pogledaš na svojega besednjaka
stavkov in videli, če

111
00:05:27,040 --> 00:05:28,270
ta stavek je tam.

112
00:05:28,270 --> 00:05:29,830
In če je tam
pravijo, da je slovnična.

113
00:05:29,830 --> 00:05:31,740
Če je ne boste rekli, da je
Negramatički.

114
00:05:31,740 --> 00:05:35,150
>> Torej, v tem primeru, bi rekel, oh,
tako da boste imeli ogromen seznam vseh

115
00:05:35,150 --> 00:05:36,140
možne kazni.

116
00:05:36,140 --> 00:05:38,240
In potem, ko slišiš stavek,
veš, če je slovnična ali

117
00:05:38,240 --> 00:05:39,450
ne temelji na tem.

118
00:05:39,450 --> 00:05:42,360
Stvar je v tem, da če pogledaš na
stavek, na primer, "

119
00:05:42,360 --> 00:05:47,540
pet vodil CS50 TFS kuhano slepe
hobotnica z uporabo DAPA vrč. "To je

120
00:05:47,540 --> 00:05:49,630
definitivno ni stavek
da si slišal.

121
00:05:49,630 --> 00:05:52,380
Vendar pa hkrati veš, da je
precej slovničnih, kajne?

122
00:05:52,380 --> 00:05:55,570
Ni slovnične napake
in lahko rečem, da

123
00:05:55,570 --> 00:05:57,020
to je možno kazen.

124
00:05:57,020 --> 00:06:01,300
>> Tako da nas mislijo, da dejansko
Tako, da smo se naučili jezika ni samo

125
00:06:01,300 --> 00:06:07,090
ki ga imajo ogromno bazo mogoče
besede ali stavke, vendar več

126
00:06:07,090 --> 00:06:11,490
razumevanje odnosa med
besede v teh stavkih.

127
00:06:11,490 --> 00:06:14,570
Ali to smiselno?

128
00:06:14,570 --> 00:06:19,370
Je tako, potem je vprašanje, lahko
računalniki učenje jezikov?

129
00:06:19,370 --> 00:06:21,490
Moremo naučiti jezika na računalnikih?

130
00:06:21,490 --> 00:06:24,230
>> Torej, kaj je razmišljati o razliki
med rodni govorci jezika

131
00:06:24,230 --> 00:06:25,460
in računalnik.

132
00:06:25,460 --> 00:06:27,340
Torej, kaj se zgodi na zvočnik?

133
00:06:27,340 --> 00:06:30,430
No, naravni govorec nauči
jezik izpostavljenosti do njega.

134
00:06:30,430 --> 00:06:34,200
Običajno svojih prvih letih otroštva.

135
00:06:34,200 --> 00:06:38,570
Torej, v bistvu, imate samo otroka,
in kar naprej govoril z njim, in to

136
00:06:38,570 --> 00:06:40,540
Pravkar se nauči govoriti
jezik, kajne?

137
00:06:40,540 --> 00:06:42,660
Torej, ste v bistvu daje
vhod za otroka.

138
00:06:42,660 --> 00:06:45,200
Torej, potem lahko trdijo, da računalnik
lahko storijo enako stvar, kajne?

139
00:06:45,200 --> 00:06:49,510
Si lahko samo dati JEZIKA
kot izhodišče za računalnikom.

140
00:06:49,510 --> 00:06:53,410
>> Kot na primer kup datotek
da so knjige v angleščini.

141
00:06:53,410 --> 00:06:56,190
Morda je to eden od načinov, ki vam
bi morda lahko naučil

142
00:06:56,190 --> 00:06:57,850
Računalnik angleško, kajne?

143
00:06:57,850 --> 00:07:01,000
In v resnici, če mislite o tem,
vas popelje morda nekaj

144
00:07:01,000 --> 00:07:02,680
dni, da berejo knjigo.

145
00:07:02,680 --> 00:07:05,760
Za računalnik, ki je potreben za trenutek, da
poglej vse besede v knjigi.

146
00:07:05,760 --> 00:07:10,810
Torej si lahko mislite, da je lahko samo to
Argument prispevkom okoli vas,

147
00:07:10,810 --> 00:07:15,440
da ni dovolj, da rečemo, da je to
nekaj, kar lahko samo ljudje.

148
00:07:15,440 --> 00:07:17,680
Si lahko mislite računalnike
Prav tako lahko dobite vhod.

149
00:07:17,680 --> 00:07:21,170
>> Druga stvar je, da govorci
Imajo tudi možganov, ki ima

150
00:07:21,170 --> 00:07:23,870
učenje jezikov zmogljivosti.

151
00:07:23,870 --> 00:07:27,020
Ampak, če mislite o tem,
možgani trdna stvar.

152
00:07:27,020 --> 00:07:30,450
Ko se rodiš, to je že določena -

153
00:07:30,450 --> 00:07:31,320
to je vaši možgani.

154
00:07:31,320 --> 00:07:34,660
In kot ste odraščali, ki ste jo pravkar dobili več
vhod jezika in morda hranil

155
00:07:34,660 --> 00:07:35,960
in druge stvari.

156
00:07:35,960 --> 00:07:38,170
Ampak precej vaši možgani
je trdna stvar.

157
00:07:38,170 --> 00:07:41,290
>> Tako da lahko rečem, no, morda lahko
zgraditi računalnik, ki ima kup

158
00:07:41,290 --> 00:07:45,890
funkcije in metode, ki samo posnemajo
učenje jezikov zmogljivosti.

159
00:07:45,890 --> 00:07:49,630
Torej, v tem smislu, da bi lahko rekli, dobro, sem
lahko računalnik, ki ima vse

160
00:07:49,630 --> 00:07:52,270
Stvari se moram naučiti jezika.

161
00:07:52,270 --> 00:07:56,200
In zadnja stvar je, da je materni
Govornik se uči iz poskusov in napak.

162
00:07:56,200 --> 00:08:01,090
Tako da v bistvu še ena pomembna stvar v
Učenje jezikov je, da si nekako

163
00:08:01,090 --> 00:08:05,340
od učijo stvari, ki jih tako
posploševati, kar slišite.

164
00:08:05,340 --> 00:08:10,280
>> Torej, kot ste odraščali ste izvedeli, da
Nekatere besede so bolj kot samostalniki,

165
00:08:10,280 --> 00:08:11,820
nekateri drugi pa so pridevniki.

166
00:08:11,820 --> 00:08:14,250
In vam ni treba imeti vsaka
znanje jezikoslovja

167
00:08:14,250 --> 00:08:15,040
razumeti, da.

168
00:08:15,040 --> 00:08:18,560
Vendar si vedel, da je nekaj besed
je postavljenih v nekem delu

169
00:08:18,560 --> 00:08:22,570
stavek, in nekateri drugi v drugo
deli stavka.

170
00:08:22,570 --> 00:08:26,110
>> In da ko narediš nekaj, kar je
kot kazen, ki ni pravilna -

171
00:08:26,110 --> 00:08:28,770
Morda zaradi pretirano posploševanje
npr.

172
00:08:28,770 --> 00:08:32,210
Mogoče, ko si odraščal, opazite
da je množina običajno

173
00:08:32,210 --> 00:08:35,809
oblikovana z zaustavitvijo S na
Konec besede.

174
00:08:35,809 --> 00:08:40,042
Nato pa poskusite narediti množina
"jeleni" so jeleni "" ali "zob", ​​kot je

175
00:08:40,042 --> 00:08:44,780
"tooths." Torej tvoji starši ali
ti nekdo popravi in ​​reče, ne,

176
00:08:44,780 --> 00:08:49,020
množina "jelena" je "jelena" in
množina "zob" je "zob". In potem

177
00:08:49,020 --> 00:08:50,060
boste naučili te stvari.

178
00:08:50,060 --> 00:08:51,520
Torej, ste se naučili iz poskusov in napak.

179
00:08:51,520 --> 00:08:53,100
>> Lahko pa tudi to, da
z računalnikom.

180
00:08:53,100 --> 00:08:55,310
Lahko imaš nekaj, kar ti
okrepitev učenja.

181
00:08:55,310 --> 00:08:58,560
Ki je v bistvu tako, kot bi
Računalnik nagrado vsakič, ko se to zgodi

182
00:08:58,560 --> 00:08:59,410
Nekaj ​​pravilno.

183
00:08:59,410 --> 00:09:04,710
In ji daje nasprotje nagrado
in ko se to zgodi nekaj narobe.

184
00:09:04,710 --> 00:09:07,410
Lahko dejansko videli, da če greš
da Google Translate in poskusite

185
00:09:07,410 --> 00:09:10,220
prevesti stavek, da
vas prosi za povratne informacije.

186
00:09:10,220 --> 00:09:13,240
Torej, če si rekel, oh, tam je bolje
prevod tega stavka.

187
00:09:13,240 --> 00:09:18,140
Lahko ga vnesite in potem, če veliko
Ljudje kar naprej govorijo, da je bolje

188
00:09:18,140 --> 00:09:21,560
prevod, samo izve, da je
bi morali namesto uporabil ta prevod

189
00:09:21,560 --> 00:09:22,960
ena je bila daje.

190
00:09:22,960 --> 00:09:28,830
>> Torej, to je zelo filozofsko vprašanje
da vidim, če računalnikov se bodo

191
00:09:28,830 --> 00:09:30,340
mogli govoriti ali ne v prihodnosti.

192
00:09:30,340 --> 00:09:34,440
Ampak imam veliko upanja, da jih lahko
Samo na podlagi teh argumentov.

193
00:09:34,440 --> 00:09:38,570
Ampak to je samo bolj filozofsko
vprašanje.

194
00:09:38,570 --> 00:09:43,460
>> Torej, medtem ko računalniki še vedno ne more govoriti,
kaj so stvari, ki jih lahko storimo?

195
00:09:43,460 --> 00:09:47,070
Nekaj ​​res kul stvari
Razvrstitev podatkov.

196
00:09:47,070 --> 00:09:53,210
Tako, na primer, veste,
da so e-poštne storitve storiti za

197
00:09:53,210 --> 00:09:55,580
Na primer, filtriranje spam.

198
00:09:55,580 --> 00:09:59,070
Torej, ko boste prejeli spam, je
poskuša filtrirati na drugo polje.

199
00:09:59,070 --> 00:10:00,270
Torej, kako to storiti?

200
00:10:00,270 --> 00:10:06,080
To ni všeč računalnik samo ve
kaj e-poštni naslovi so pošiljanje spam.

201
00:10:06,080 --> 00:10:09,130
Tako da je bolj temeljila na vsebino
sporočilo, ali morda naslov ali

202
00:10:09,130 --> 00:10:11,310
Mogoče nek vzorec, ki ga imajo.

203
00:10:11,310 --> 00:10:15,690
>> Torej, v bistvu, kaj lahko naredite, je dobil
Veliko podatkov, elektronskih sporočil, ki so spam,

204
00:10:15,690 --> 00:10:19,980
e-poštna sporočila, ki niso spam, in izvedeti, kaj
vrsta vzorcev imate v

205
00:10:19,980 --> 00:10:21,000
Tiste, ki so spam.

206
00:10:21,000 --> 00:10:23,260
In to je del računskih
jezikoslovje.

207
00:10:23,260 --> 00:10:24,720
Imenuje se razvrstitev podatkov.

208
00:10:24,720 --> 00:10:28,100
In smo dejansko videli
Primer da bo v naslednjih diapozitivih.

209
00:10:28,100 --> 00:10:32,910
>> Druga stvar, ki je naravni jezik
predelave, ki je stvar, ki

210
00:10:32,910 --> 00:10:36,580
Graf Iskanje počne od najemnin
napišete kazen.

211
00:10:36,580 --> 00:10:38,690
In upa, da razumete, kaj
je pomen in daje

212
00:10:38,690 --> 00:10:39,940
ste boljši rezultat.

213
00:10:39,940 --> 00:10:43,880
Pravzaprav, če greš na Google ali Bing
in iščete nekaj podobnega Lady

214
00:10:43,880 --> 00:10:47,060
Višina Gaga je, da ste dejansko dogaja
da bi dobili 5 '1 "namesto informacij

215
00:10:47,060 --> 00:10:50,170
od nje, ker je dejansko razume
kaj govoriš.

216
00:10:50,170 --> 00:10:52,140
Torej, to je del naravnega
jezik za obdelavo.

217
00:10:52,140 --> 00:10:57,000
>> Ali pa tudi, ko ste s pomočjo Siri, prvi
imate algoritem, ki poskuša

218
00:10:57,000 --> 00:11:01,130
prevesti kaj govoriš
v besede v besedilu.

219
00:11:01,130 --> 00:11:03,690
In potem je poskušal prevesti
da v smislu.

220
00:11:03,690 --> 00:11:06,570
Tako, da je vse del naravnega
jezik za obdelavo.

221
00:11:06,570 --> 00:11:08,320
>> Potem imate strojnega prevajanja -

222
00:11:08,320 --> 00:11:10,300
ki je pravzaprav ena
od mojih favoritov -

223
00:11:10,300 --> 00:11:14,060
ki je pravkar prevajanju iz
jezika v drugega.

224
00:11:14,060 --> 00:11:17,950
Torej si lahko mislite, da ko delaš
strojno prevajanje, imate

225
00:11:17,950 --> 00:11:19,750
neskončne možnosti stavkov.

226
00:11:19,750 --> 00:11:22,960
Torej ni nobenega načina, da samo shranjevanje
vsak prevod.

227
00:11:22,960 --> 00:11:27,440
Torej ste prišli do zanimivih
algoritmi bi lahko

228
00:11:27,440 --> 00:11:30,110
prevesti vsak
stavek na nek način.

229
00:11:30,110 --> 00:11:32,483
>> Vi imate kakršnakoli vprašanja doslej?

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

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

232
00:11:34,830 --> 00:11:36,900
>> Torej, kaj smo videli danes?

233
00:11:36,900 --> 00:11:39,300
Najprej bom govoril o
problem uvrstitev.

234
00:11:39,300 --> 00:11:41,440
Torej, tisti, ki me je
govorijo o spam.

235
00:11:41,440 --> 00:11:46,820
Kaj bom storiti, je, glede na to lyrics
skladbo, lahko poskusite ugotoviti,

236
00:11:46,820 --> 00:11:49,810
z veliko verjetnostjo
kdo je pevec?

237
00:11:49,810 --> 00:11:53,590
Recimo, da imam pesmi Lady
Gaga in Katy Perry, če ti dam

238
00:11:53,590 --> 00:11:58,130
Nova pesem, lahko ugotovimo, če
to je Katy Perry ali Lady Gaga?

239
00:11:58,130 --> 00:12:01,490
>> Drugi pa, grem govoriti
o problem segmentacije.

240
00:12:01,490 --> 00:12:05,780
Tako da ne vem, če veste, ampak
Kitajski, japonski, drugi vzhodnoazijski

241
00:12:05,780 --> 00:12:08,090
jeziku ter v drugih jezikih
V splošnem nimajo

242
00:12:08,090 --> 00:12:09,830
presledki med besedami.

243
00:12:09,830 --> 00:12:13,540
In potem, če mislite o tem, kako to
računalnik nekako poskuša

244
00:12:13,540 --> 00:12:18,600
razumeti, obdelava naravnega jezika,
je videti na besedami in

245
00:12:18,600 --> 00:12:21,500
poskuša razumeti odnose
med njimi, kajne?

246
00:12:21,500 --> 00:12:25,440
Ampak potem, če imate kitajski, in ti
imeti nič prostore, to je res težko

247
00:12:25,440 --> 00:12:28,360
izvedeti, kakšno je razmerje med
besede, ker nimajo kateremkoli

248
00:12:28,360 --> 00:12:29,530
Besede na prvi.

249
00:12:29,530 --> 00:12:32,600
Tako da boste morali narediti nekaj, kar ti
Segmentacija, ki samo pomeni, da se

250
00:12:32,600 --> 00:12:36,490
Razmiki med kaj bi klic
besede v teh jezikih.

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

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

253
00:12:39,680 --> 00:12:41,540
>> In potem bomo
govorimo o skladnji.

254
00:12:41,540 --> 00:12:44,050
Torej samo malo o naravnih
jezik za obdelavo.

255
00:12:44,050 --> 00:12:45,420
To se dogaja, da je samo pregled.

256
00:12:45,420 --> 00:12:50,700
Torej, danes, v bistvu tisto, kar želim storiti
se vam fantje malo

257
00:12:50,700 --> 00:12:53,930
Notranjost kakšne so možnosti
ki jih lahko naredite s računskih

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

259
00:12:54,960 --> 00:13:00,410
In potem lahko vidite, kaj si misliš
je kul med temi stvarmi.

260
00:13:00,410 --> 00:13:02,270
In morda si lahko zamislite projekta
in se pogovarjati z mano.

261
00:13:02,270 --> 00:13:05,260
In jaz lahko dam nasvet
o tem, kako jo izvajati.

262
00:13:05,260 --> 00:13:09,060
>> Torej sintaksa se bo nekoliko
O Graph Search in strojem

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

264
00:13:09,670 --> 00:13:13,650
Jaz bom samo dal primer, kako
Lahko bi, na primer, prevesti

265
00:13:13,650 --> 00:13:16,020
nekaj iz portugalščine v angleščino.

266
00:13:16,020 --> 00:13:17,830
Sliši se dobro?

267
00:13:17,830 --> 00:13:19,293
>> Torej, najprej, problem uvrstitev.

268
00:13:19,293 --> 00:13:23,590
Jaz bom rekel, da je to del seminarja
se bo najbolj zahtevna

269
00:13:23,590 --> 00:13:27,560
eno samo zato, ker se dogaja
vsaj nekaj kodiranje.

270
00:13:27,560 --> 00:13:29,470
Ampak to se dogaja, da je Python.

271
00:13:29,470 --> 00:13:34,380
Vem, da vi ne veste, Python, tako
Jaz sem samo, da pojasni, na visoki

272
00:13:34,380 --> 00:13:35,750
raven, kar delam.

273
00:13:35,750 --> 00:13:40,900
In ti ne bo treba res skrbi preveč
toliko o skladnji, ker to je

274
00:13:40,900 --> 00:13:42,140
kaj vi lahko naučite.

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

276
00:13:42,540 --> 00:13:43,580
Sliši se dobro.

277
00:13:43,580 --> 00:13:46,020
>> Torej, kaj je problem razvrstitev?

278
00:13:46,020 --> 00:13:49,140
Torej boš dal nekaj lyrics
pesem, in želite, da uganiti

279
00:13:49,140 --> 00:13:50,620
ki jo poje.

280
00:13:50,620 --> 00:13:54,045
In to je lahko za kakršnokoli
drugih težav.

281
00:13:54,045 --> 00:13:59,980
Torej je mogoče, na primer, da imate
predsedniški kampanji in imate

282
00:13:59,980 --> 00:14:02,610
govor, in želite, da bi našli
, če je bilo, na primer,

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

284
00:14:04,470 --> 00:14:07,700
Ali lahko imate kup e-pošte in
hočeš, da ugotovimo, če so

285
00:14:07,700 --> 00:14:08,890
spam ali ne.

286
00:14:08,890 --> 00:14:11,440
Torej, to je samo nekaj razvrščanje
podatki, ki temeljijo na besede

287
00:14:11,440 --> 00:14:13,790
da ste tam.

288
00:14:13,790 --> 00:14:16,295
>> Torej za to, moraš
narediti nekaj predpostavk.

289
00:14:16,295 --> 00:14:20,570
Torej, veliko približno računalniškega jezikoslovja
je predpostavk,

290
00:14:20,570 --> 00:14:24,100
ponavadi pametne predpostavke, da
lahko dobili dobre rezultate.

291
00:14:24,100 --> 00:14:26,670
Poskušajo ustvariti model za to.

292
00:14:26,670 --> 00:14:31,290
In potem jo preizkusite in poglejte, če deluje,
če vam dobro natančnost.

293
00:14:31,290 --> 00:14:33,940
In če je temu tako, potem boste
poskušali izboljšati.

294
00:14:33,940 --> 00:14:37,640
Če se ne, ti si kot, OK, morda sem
naj bi drugačno predpostavko.

295
00:14:37,640 --> 00:14:44,030
>> Torej predpostavka, da bomo
se je, da je umetnik ponavadi poje

296
00:14:44,030 --> 00:14:49,220
o temi večkrat, in morda
uporablja besede, večkrat samo

297
00:14:49,220 --> 00:14:50,270
zato, ker so navajeni na to.

298
00:14:50,270 --> 00:14:51,890
Lahko samo pomislite na svojega prijatelja.

299
00:14:51,890 --> 00:14:57,350
Prepričan sem, da vama vse prijatelje
ki pravijo, njihov podpis besedno zvezo,

300
00:14:57,350 --> 00:14:59,260
dobesedno za vsak stavek -

301
00:14:59,260 --> 00:15:02,660
kot neke določene besede ali nekaterih posebnih
Stavek, ki pravijo, da za

302
00:15:02,660 --> 00:15:04,020
vsak stavek.

303
00:15:04,020 --> 00:15:07,920
>> In kaj lahko rečem je, da če vidite
stavek, da je podpis

304
00:15:07,920 --> 00:15:11,450
Stavek, ki jih lahko uganiti, da je verjetno
tvoj prijatelj

305
00:15:11,450 --> 00:15:13,310
eden je rekel, kajne?

306
00:15:13,310 --> 00:15:18,410
Torej si tako predvideval, nato pa
to je, kako si ustvariti model.

307
00:15:18,410 --> 00:15:24,440
>> Primer, da bom dal, je na
kako Lady Gaga, na primer, ljudje

308
00:15:24,440 --> 00:15:27,430
pravijo, da ona uporablja "otroka" za
vsi njeni številka ena pesmi.

309
00:15:27,430 --> 00:15:32,270
In dejansko je ta video, ki prikazuje
ji rekel besedo "otroka" za

310
00:15:32,270 --> 00:15:33,410
različne pesmi.

311
00:15:33,410 --> 00:15:33,860
>> [Predvajanje videa]

312
00:15:33,860 --> 00:15:34,310
>> - (PETJE) 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 predvajanje videa

323
00:15:41,090 --> 00:15:44,020
>> LUCAS FREITAS: Torej obstajajo, mislim,
40 pesmi, tukaj, v katerem pravi,

324
00:15:44,020 --> 00:15:48,690
Beseda "otroka". Torej v bistvu lahko uganiti
da če vidiš pesem, ki ima

325
00:15:48,690 --> 00:15:52,180
Beseda "baby," je neka visoka
Verjetnost, da je Lady Gaga.

326
00:15:52,180 --> 00:15:56,450
Ampak poskusimo to razviti
nadalje bolj formalno.

327
00:15:56,450 --> 00:16:00,470
>> Torej, to so pesmi skladbam
Lady Gaga in Katy Perry.

328
00:16:00,470 --> 00:16:04,120
Torej si poglej Lady Gaga, ki jih vidijo
imajo veliko dogodkov za "dojenčka",

329
00:16:04,120 --> 00:16:07,710
Veliko pojavov "način." In potem
Katy Perry ima veliko pojavljanj

330
00:16:07,710 --> 00:16:10,360
«,» Veliko pojavov "ogenj".

331
00:16:10,360 --> 00:16:14,560
>> Torej v bistvu tisto, kar smo želeli
storiti je, da si dobil posreduj besedilo.

332
00:16:14,560 --> 00:16:20,480
Recimo, da ste dobili posreduj besedilo za
Pesem, ki je "baby," samo "mlade". Če

333
00:16:20,480 --> 00:16:24,750
ste pravkar dobili besedo »otroka« in to
so vsi podatki, ki jih imajo od

334
00:16:24,750 --> 00:16:27,880
Lady Gaga in Katy Perry, ki bi
uganete je oseba

335
00:16:27,880 --> 00:16:29,370
kdo poje pesem?

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

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

338
00:16:33,150 --> 00:16:37,400
Ker je edini, ki pravi:
"Otrok". To se sliši neumno, kajne?

339
00:16:37,400 --> 00:16:38,760
OK, to je res enostavno.

340
00:16:38,760 --> 00:16:41,860
Jaz sem samo videti na dveh pesmih in
Seveda, ona je edina, ki ima

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

342
00:16:42,660 --> 00:16:44,740
>> Toda kaj, če imate kup besed?

343
00:16:44,740 --> 00:16:50,900
Če imate dejansko lirskega, nekaj
kot, "ljubica, pravkar sem

344
00:16:50,900 --> 00:16:51,610
obiskala [? RVK?]

345
00:16:51,610 --> 00:16:54,020
Predavanje "ali nekaj takega, in
potem boste dejansko morali ugotoviti -

346
00:16:54,020 --> 00:16:55,780
na podlagi vseh teh besed -

347
00:16:55,780 --> 00:16:58,350
kdo je umetnik, ki je verjetno
pel to pesem?

348
00:16:58,350 --> 00:17:01,860
Torej poskusimo razviti
to malo naprej.

349
00:17:01,860 --> 00:17:05,630
>> OK, tako da temelji le na podatkih, ki smo
dobil, se zdi, da je Gaga verjetno

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

351
00:17:06,260 --> 00:17:07,904
Ampak kako lahko pišemo
to bolj formalno?

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

353
00:17:10,579 --> 00:17:13,140
In tam dogaja, da se malo
malo statistike.

354
00:17:13,140 --> 00:17:15,880
Torej, če ste izgubili, samo poskusite
razumeti pojem.

355
00:17:15,880 --> 00:17:18,700
Ni važno, če ste razumeli
enačbe zelo dobro.

356
00:17:18,700 --> 00:17:22,150
To je vse, bo na spletu.

357
00:17:22,150 --> 00:17:25,490
>> Torej v bistvu tisto, kar sem izračunu je
Verjetnost, da je ta pesem

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

359
00:17:28,040 --> 00:17:30,660
da to pomeni, bar saj -

360
00:17:30,660 --> 00:17:33,680
Videl sem besedo "otroka".
Ali to smiselno?

361
00:17:33,680 --> 00:17:35,540
Torej, jaz sem poskušal izračunati
da je verjetnost.

362
00:17:35,540 --> 00:17:38,540
>> Tako da je ta izrek se imenuje
Bayesov teorem, ki pravi, da

363
00:17:38,540 --> 00:17:43,330
verjetnost danega B, je
Verjetnost, B, A, saj časi

364
00:17:43,330 --> 00:17:47,660
verjetnost, da bo, v verjetnosti
B. Ta je dolga enačba.

365
00:17:47,660 --> 00:17:51,970
Ampak kaj moraš razumeti iz
to je, da je to tisto, kar želim

366
00:17:51,970 --> 00:17:52,830
izračunati, kajne?

367
00:17:52,830 --> 00:17:56,570
Tako da je verjetnost, da je ta pesem
Lady Gaga saj sem videl besedo

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

369
00:17:58,230 --> 00:18:02,960
>> In kaj zdaj dobivam je
Verjetnost besedo "otroške" dati

370
00:18:02,960 --> 00:18:04,390
da imam Lady Gaga.

371
00:18:04,390 --> 00:18:07,220
In kaj je to v bistvu?

372
00:18:07,220 --> 00:18:10,500
Kaj to pomeni, je, kaj je
Verjetnost, da bi videli besedo "otroka"

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

374
00:18:12,130 --> 00:18:16,240
Če hočem izračunati, da je v zelo
preprost način, to je samo število

375
00:18:16,240 --> 00:18:23,640
krat sem videl "dojenčka", glede na skupno število
besed v Gaga lyrics, kajne?

376
00:18:23,640 --> 00:18:27,600
Kakšna je frekvenca, ki jo vidim
da beseda v delu Gaga je?

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

378
00:18:30,530 --> 00:18:33,420
>> Drugi izraz
verjetnost Gaga.

379
00:18:33,420 --> 00:18:34,360
Kaj to pomeni?

380
00:18:34,360 --> 00:18:38,550
To v bistvu pomeni, kaj je
verjetnost razvrščanja

381
00:18:38,550 --> 00:18:40,690
Nekatere pesmi so Gaga?

382
00:18:40,690 --> 00:18:45,320
In to je nekako čudno, ampak
Pomislimo na primer.

383
00:18:45,320 --> 00:18:49,230
Torej, recimo, da je verjetnost
imajo "otroka" v pesem je enak

384
00:18:49,230 --> 00:18:51,760
Za Gaga in Britney Spears.

385
00:18:51,760 --> 00:18:54,950
Ampak Britney Spears ima dvakrat
več pesmi, kot so Lady Gaga.

386
00:18:54,950 --> 00:19:00,570
Torej, če vam nekdo samo naključno daje
lyrics "dojenčka", prvo stvar, ki jo

387
00:19:00,570 --> 00:19:04,710
gledati je, kakšna je verjetnost,
imajo "otroka" v Gaga pesem, "ljubica"

388
00:19:04,710 --> 00:19:05,410
v Britney pesmi?

389
00:19:05,410 --> 00:19:06,460
In to je ista stvar.

390
00:19:06,460 --> 00:19:10,040
>> Torej, druga stvar, ki jo boste videli, je,
no, kaj je verjetnost

391
00:19:10,040 --> 00:19:13,770
ta pesem sama po sebi pa Gaga pesem,
in kakšna je verjetnost

392
00:19:13,770 --> 00:19:15,380
pri čemer je Britney pesem?

393
00:19:15,380 --> 00:19:18,950
Zato, ker ima Britney toliko bolj lyrics
kot Gaga, bi vam verjetno

394
00:19:18,950 --> 00:19:21,470
recimo, dobro, to je verjetno
Britney pesem.

395
00:19:21,470 --> 00:19:23,340
Tako da je, zakaj imamo to
imenujemo tukaj.

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

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

398
00:19:26,950 --> 00:19:28,660
To počne?

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

400
00:19:29,370 --> 00:19:33,500
>> In zadnja je samo verjetnost
za "dojenčka", ki ne

401
00:19:33,500 --> 00:19:34,810
važno, da je veliko.

402
00:19:34,810 --> 00:19:39,940
Vendar je verjetnost
videnje "otroka" v angleškem jeziku.

403
00:19:39,940 --> 00:19:42,725
Mi običajno ne skrbi, da
toliko o tem obdobju.

404
00:19:42,725 --> 00:19:44,490
Ali to smiselno?

405
00:19:44,490 --> 00:19:48,110
Torej verjetnost Gaga je
imenovana pred verjetnost

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

407
00:19:49,530 --> 00:19:53,840
Ker to pomeni le, da je tisto, kar je
Verjetnost, da ima njen razred -

408
00:19:53,840 --> 00:19:55,520
ki je Gaga -

409
00:19:55,520 --> 00:19:59,350
Samo na splošno, ravno
brez pogojev.

410
00:19:59,350 --> 00:20:02,560
>> In potem, ko sem imel verjetnost
Gaga zaradi "mlade", ga imenujemo plus

411
00:20:02,560 --> 00:20:06,160
teary verjetnost, ker je
verjetnost ob

412
00:20:06,160 --> 00:20:08,300
Gaga dal nekaj dokazov.

413
00:20:08,300 --> 00:20:11,050
Torej, jaz ti dam dokaze
da sem videl besedo otroka in

414
00:20:11,050 --> 00:20:12,690
pesem smiselna?

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
>> Torej, če sem izračunal, da za vsako
pesmi za Lady Gaga,

418
00:20:22,400 --> 00:20:25,916
kaj bi bilo -

419
00:20:25,916 --> 00:20:27,730
očitno je, da ne morem premakniti tega.

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

421
00:20:31,850 --> 00:20:36,920
Verjetnost Gaga bo
nekaj podobnega, 2. nad 24 krat 1/2,

422
00:20:36,920 --> 00:20:38,260
več kot 2 nad 53.

423
00:20:38,260 --> 00:20:40,640
Ni važno, če veš, kaj
Te številke so prihajajo iz.

424
00:20:40,640 --> 00:20:44,750
Ampak to je samo številka, ki se dogaja
da bo več kot 0, kajne?

425
00:20:44,750 --> 00:20:48,610
>> In potem, ko sem naredil Katy Perry,
Verjetnost, "dojenčka", saj je Katy

426
00:20:48,610 --> 00:20:49,830
že 0, kajne?

427
00:20:49,830 --> 00:20:52,820
Ker ni "mlade"
V Katy Perry.

428
00:20:52,820 --> 00:20:56,360
Torej, potem to postane 0, in Gaga
zmag, kar pomeni, da je Gaga

429
00:20:56,360 --> 00:20:57,310
Verjetno pevka.

430
00:20:57,310 --> 00:20:58,560
Ali to smiselno?

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
>> Torej, če želim, da bi to še uradni,
Jaz lahko dejansko narediti model

435
00:21:11,750 --> 00:21:12,700
več besed.

436
00:21:12,700 --> 00:21:14,610
Torej, recimo, da imam nekaj
kot, "baby, I am

437
00:21:14,610 --> 00:21:16,030
na ogenj, "ali kaj podobnega.

438
00:21:16,030 --> 00:21:17,760
Torej ima več besede.

439
00:21:17,760 --> 00:21:20,880
In v tem primeru, si lahko ogledate
da "mlade" je Gaga,

440
00:21:20,880 --> 00:21:21,710
vendar to ni v Katy.

441
00:21:21,710 --> 00:21:24,940
In "ogenj" je v Katy, vendar
to ni v Gaga, kajne?

442
00:21:24,940 --> 00:21:27,200
Torej, to je vse težje, kajne?

443
00:21:27,200 --> 00:21:31,440
Ker se zdi, da si skoraj
imajo vez med njima.

444
00:21:31,440 --> 00:21:36,980
>> Torej, kaj morate storiti je, da prevzame
Neodvisnost med besedami.

445
00:21:36,980 --> 00:21:41,210
Torej v bistvu, kaj to pomeni, da
Jaz sem samo izračun, kar je

446
00:21:41,210 --> 00:21:44,330
Verjetnost, da bi videli "otroka", kar je
verjetnost videnje "I" in

447
00:21:44,330 --> 00:21:46,670
"Am" in "o" in "ogenj"
vse ločeno.

448
00:21:46,670 --> 00:21:48,670
Potem sem se pomnoži vse od njih.

449
00:21:48,670 --> 00:21:52,420
In vidim, kaj je verjetnost
videnje celotno kazen.

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

451
00:21:55,210 --> 00:22:00,270
>> Torej v bistvu, če imam samo eno besedo,
tisto, kar želim, da bi našli, je arg max,

452
00:22:00,270 --> 00:22:05,385
kar pomeni, kaj je razred, ki je
mi dali največ možnosti?

453
00:22:05,385 --> 00:22:10,010
Torej, kaj je razred, ki se daje
me največja verjetnost

454
00:22:10,010 --> 00:22:11,940
verjetnost razreda dati besedo.

455
00:22:11,940 --> 00:22:17,610
Torej, v tem primeru, saj Gaga "otroka".
Ali Katy dana "otroka". Smisla?

456
00:22:17,610 --> 00:22:21,040
>> In samo od Bayes, da
Enačba, da sem pokazal,

457
00:22:21,040 --> 00:22:24,780
smo ustvarili to frakcijo.

458
00:22:24,780 --> 00:22:28,750
Edina stvar je, da boste videli, da
verjetnost besede glede

459
00:22:28,750 --> 00:22:31,370
razreda se spreminja glede
v razredu, kajne?

460
00:22:31,370 --> 00:22:34,260
Število "otroške" ih, ki sem jih
V Gaga je drugačen od Katy.

461
00:22:34,260 --> 00:22:37,640
Verjetnost razredu tudi
spremembe, saj je samo številka

462
00:22:37,640 --> 00:22:39,740
pesmi, vsaka od njih ima.

463
00:22:39,740 --> 00:22:43,980
>> Ampak verjetnost je beseda sama
se bo enaka za vse

464
00:22:43,980 --> 00:22:44,740
umetniki, kajne?

465
00:22:44,740 --> 00:22:47,150
Torej verjetnost besedo
samo, kakšna je verjetnost,

466
00:22:47,150 --> 00:22:49,820
vidim to besedo v
Angleški jezik?

467
00:22:49,820 --> 00:22:51,420
Torej je enaka za vse.

468
00:22:51,420 --> 00:22:55,790
Zato ker je to konstanta, smo lahko samo
spusti to ne briga.

469
00:22:55,790 --> 00:23:00,230
Torej bo to dejansko
Enačba iščemo.

470
00:23:00,230 --> 00:23:03,360
>> In če imam več besed, da sem
še vedno dogaja, da imajo pred

471
00:23:03,360 --> 00:23:04,610
Verjetnost tukaj.

472
00:23:04,610 --> 00:23:06,980
Edina stvar je, da sem se pomnoži
verjetnost

473
00:23:06,980 --> 00:23:08,490
Vse drugimi besedami.

474
00:23:08,490 --> 00:23:10,110
Torej sem se pomnoži vse od njih.

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

476
00:23:12,610 --> 00:23:18,440
To izgleda čudno, ampak v bistvu pomeni,
izračunati pred razreda, in

477
00:23:18,440 --> 00:23:22,100
nato pomnožimo z verjetnostjo, da je vsak
besed, ki so v tem razredu.

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

479
00:23:24,620 --> 00:23:29,150
>> In veš, da je verjetnost
Beseda dana razred se bo

480
00:23:29,150 --> 00:23:34,520
kolikokrat ste videli to besedo v
da razred, deljeno s številom

481
00:23:34,520 --> 00:23:37,020
Besede, ki jih imajo po tem, da
razred na splošno.

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

483
00:23:37,990 --> 00:23:41,680
To je samo, kako "mlade" je bil več kot 2
število besed, ki

484
00:23:41,680 --> 00:23:43,020
Imel sem v besedilih.

485
00:23:43,020 --> 00:23:45,130
Torej samo frekvenca.

486
00:23:45,130 --> 00:23:46,260
>> Vendar pa obstaja ena stvar.

487
00:23:46,260 --> 00:23:51,250
Spominjam se, kako sem pokazal, da
Verjetnost, "otroške", ki se lyrics

488
00:23:51,250 --> 00:23:56,350
od Katy Perry je 0 samo zato, ker Katy
Perry ni imel "otroka" sploh?

489
00:23:56,350 --> 00:24:04,900
Ampak to se sliši malo kruto, da samo
preprosto reči, da pesmi ne more biti iz

490
00:24:04,900 --> 00:24:10,040
umetnik samo zato, ker nimajo
da beseda zlasti kadarkoli.

491
00:24:10,040 --> 00:24:13,330
>> Torej bi lahko samo rekli, dobro, če
nimajo te besede, se bom

492
00:24:13,330 --> 00:24:15,640
vam manjšo verjetnost,
ampak jaz samo ne bo

493
00:24:15,640 --> 00:24:17,420
vam 0. takoj.

494
00:24:17,420 --> 00:24:21,040
Saj morda je bilo nekaj podobnega,
"Požar, ogenj, požar, ogenj", ki je

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

496
00:24:21,990 --> 00:24:26,060
In potem "mlade" in da gre samo za
0 desno stran, ker je bila ena

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

498
00:24:27,250 --> 00:24:31,440
>> Torej v bistvu tisto, kar počnemo, je nekaj
imenovano Laplace glajenje.

499
00:24:31,440 --> 00:24:36,260
In to samo pomeni, da dajem
nekateri verjetnost celo besedami

500
00:24:36,260 --> 00:24:37,850
da ne obstajajo.

501
00:24:37,850 --> 00:24:43,170
Torej, kaj storiti, je, da ko sem
izračun tega sem vedno dodamo 1 do

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

503
00:24:44,180 --> 00:24:48,060
Torej, čeprav beseda ne obstaja, pri
V tem primeru, če je to 0, še vedno sem

504
00:24:48,060 --> 00:24:51,250
izračuna, da je to več kot 1
Skupno število besed.

505
00:24:51,250 --> 00:24:55,060
Drugače pa sem dobil, koliko besed
Imam in dodam 1.

506
00:24:55,060 --> 00:24:58,300
Torej Štejem obeh primerih.

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

508
00:25:00,430 --> 00:25:03,060
>> Torej, zdaj pa naredite nekaj kodiranja.

509
00:25:03,060 --> 00:25:06,440
Jaz bom moral to storiti zelo hitro,
ampak to je samo pomembno, da vam

510
00:25:06,440 --> 00:25:08,600
Fantje razumejo koncepte.

511
00:25:08,600 --> 00:25:13,450
Torej, kaj smo poskušali narediti
je natančno izvajanje te

512
00:25:13,450 --> 00:25:14,330
stvar, ki sem rekel -

513
00:25:14,330 --> 00:25:19,110
Želim vam, da iz besedila
Lady Gaga in Katy Perry.

514
00:25:19,110 --> 00:25:22,980
In program se bo lahko
reči, če so te nove pesmi iz Gaga

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

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

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

518
00:25:27,530 --> 00:25:30,710
>> Torej imam ta program, vam bom
poklicati classify.py.

519
00:25:30,710 --> 00:25:31,970
Torej, to je Python.

520
00:25:31,970 --> 00:25:34,210
To je nov programski jezik.

521
00:25:34,210 --> 00:25:38,020
To je zelo podoben v nekaterih
poti do C in PHP.

522
00:25:38,020 --> 00:25:43,180
To je podobno, ker če hočeš
naučiti Python ko vedo C, je

523
00:25:43,180 --> 00:25:46,270
res, da ni kaj prida izziv
samo zato, ker Python je veliko lažje

524
00:25:46,270 --> 00:25:47,520
kot C, najprej.

525
00:25:47,520 --> 00:25:49,370
In veliko stvari, ki so že
izvaja za vas.

526
00:25:49,370 --> 00:25:56,820
Torej, kako ima funkcije, kot so PHP, da
razvrstiti seznam, ali pa dodajte nekaj

527
00:25:56,820 --> 00:25:58,780
array, ali bla, bla, bla.

528
00:25:58,780 --> 00:26:00,690
Python ima vse tiste, kot dobro.

529
00:26:00,690 --> 00:26:05,960
>> Torej grem na hitro razloži
kako bi lahko naredil z uvrstitvijo

530
00:26:05,960 --> 00:26:07,860
problem tukaj.

531
00:26:07,860 --> 00:26:13,230
Torej, recimo, da v tem primeru, moram
Besedila iz Gaga in Katy Perry.

532
00:26:13,230 --> 00:26:21,880
Tako, da imam te pesmi je, da
prva beseda besedil je

533
00:26:21,880 --> 00:26:25,250
ime izvajalca in
ostalo je lyrics.

534
00:26:25,250 --> 00:26:29,470
Torej, recimo, da imam ta seznam
katerih prva je lyrics by Gaga.

535
00:26:29,470 --> 00:26:31,930
Torej, tukaj sem na pravi poti.

536
00:26:31,930 --> 00:26:35,270
In naslednjič je Katy, in
ima tudi pesmi.

537
00:26:35,270 --> 00:26:38,040
>> Torej, to je, kako se razglasi
spremenljivka v Python.

538
00:26:38,040 --> 00:26:40,200
Vam ni treba dati podatkovni tip.

539
00:26:40,200 --> 00:26:43,150
Pravkar ste napisali "lyrics"
Tako kot v PHP.

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

541
00:26:44,890 --> 00:26:47,770
>> Torej, kaj so stvari, ki jih moram
izračun, da se lahko izračuna

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

543
00:26:49,360 --> 00:26:55,110
Moram izračunati "pridigarji"
za vsakega izmed različnih

544
00:26:55,110 --> 00:26:56,710
razredi, ki jih imam.

545
00:26:56,710 --> 00:27:06,680
Moram izračunati "ogrodje,,"
ali precej verjetnosti

546
00:27:06,680 --> 00:27:12,150
vsako od različnih besed, ki
Imam lahko za vsak umetnik.

547
00:27:12,150 --> 00:27:17,210
Tako znotraj Gaga, na primer, bom
da imajo seznam, kolikokrat sem videl

548
00:27:17,210 --> 00:27:19,250
Vsaka od besed.

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

550
00:27:20,760 --> 00:27:25,370
>> In končno, bom samo, da imajo
Seznam imenovanih "besede", ki je pravkar dogaja

551
00:27:25,370 --> 00:27:29,780
da ima koliko besed
imeti za vsakega umetnika.

552
00:27:29,780 --> 00:27:33,760
Torej za Gaga, na primer, ko pogledam
do besedil, ki sem jih, mislim, 24

553
00:27:33,760 --> 00:27:34,750
besede skupaj.

554
00:27:34,750 --> 00:27:38,970
Torej je ta seznam le, da bo imel
Gaga 24, in Katy drugo številko.

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

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

557
00:27:40,560 --> 00:27:42,530
>> Torej sedaj, pravzaprav, dajmo
pojdite na kodiranja.

558
00:27:42,530 --> 00:27:45,270
Torej v Python, lahko dejansko
vrnitev kup različnih

559
00:27:45,270 --> 00:27:46,630
stvari iz funkcije.

560
00:27:46,630 --> 00:27:50,810
Torej bom ustvariti to funkcijo
imenovano "pogojno", ki se dogaja

561
00:27:50,810 --> 00:27:53,890
vrniti vse te stvari,
"pridigarji", za "Verjetnost," in

562
00:27:53,890 --> 00:28:05,690
"besede". Torej "pogojno", in to je
bodo vprašljive "besedil."

563
00:28:05,690 --> 00:28:11,510
>> Torej, zdaj želim, da dejansko
napisati to funkcijo.

564
00:28:11,510 --> 00:28:17,750
Torej način, da sem lahko to napisati
Funkcijo sem to opredeljeno

565
00:28:17,750 --> 00:28:20,620
delovati v skladu z "def." Torej sem naredil "def
pogojen, "in to je ob

566
00:28:20,620 --> 00:28:28,700
"Lyrics." In kaj to bo naredil
je, najprej, imam Pridigarji

567
00:28:28,700 --> 00:28:31,030
da želim izračunati.

568
00:28:31,030 --> 00:28:34,330
>> Torej način, da sem lahko to storiti, je ustvariti
Slovar v Pythonu, ki

569
00:28:34,330 --> 00:28:37,320
je precej ista stvar kot hašiš
miza, ali je kot ponavljajoč

570
00:28:37,320 --> 00:28:40,480
matrika v PHP.

571
00:28:40,480 --> 00:28:44,150
To je, kako izjavljam slovar.

572
00:28:44,150 --> 00:28:53,580
In v bistvu, kaj to pomeni, da
pridigarji iz Gaga je 0,5, na primer, če

573
00:28:53,580 --> 00:28:57,200
50% besedil so iz
Gaga, 50% pa od Katy.

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

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

576
00:29:00,680 --> 00:29:03,680
Tako da sem moral ugotoviti, kako
za izračun pridigarjem.

577
00:29:03,680 --> 00:29:07,120
>> Naslednji tisti, ki jih moram narediti, tudi,
so verjetnosti in besede.

578
00:29:07,120 --> 00:29:17,100
Torej je verjetnost Gaga je seznam
vseh verjetnosti, da sem

579
00:29:17,100 --> 00:29:19,160
ima za vsako od besed za Gaga.

580
00:29:19,160 --> 00:29:23,880
Torej, če grem na verjetnosti Gaga
"Baby," za primer, da bomo mi

581
00:29:23,880 --> 00:29:28,750
nekaj takega kot 2 nad 24 v tem primeru.

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

583
00:29:30,070 --> 00:29:36,120
Zato sem šel na "verjetnost", pojdite na
"Gaga" bucket, ki ima seznam vseh

584
00:29:36,120 --> 00:29:40,550
besede Gaga, potem pa sem šel na "otroka"
in vidim verjetnost.

585
00:29:40,550 --> 00:29:45,940
>> In končno imam to
"Besede" ni v slovarju.

586
00:29:45,940 --> 00:29:53,620
Torej, tukaj, "verjetnosti". In potem
"besede". Torej, če naredim "besed," "Gaga"

587
00:29:53,620 --> 00:29:58,330
kaj se bo zgodilo, je, da je
dogaja, da mi 24, ki pravijo, da sem

588
00:29:58,330 --> 00:30:01,990
imajo 24 besed v besedilih iz Gaga.

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

590
00:30:04,110 --> 00:30:07,070
Torej, tukaj, "besede" je enaka dah dah dah.

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

592
00:30:07,620 --> 00:30:12,210
>> Torej, kaj bom storiti, je, da bom
Ponovil skozi vsako od besedil, tako

593
00:30:12,210 --> 00:30:14,490
Vsaka od nizov, ki
Imam na seznamu.

594
00:30:14,490 --> 00:30:18,040
In jaz bom za izračun te stvari
za vsakega od kandidatov.

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

596
00:30:19,950 --> 00:30:21,700
Tako da sem moral narediti zanko.

597
00:30:21,700 --> 00:30:26,300
>> Torej, v Python, kaj lahko storim, je "za linijo
V besedilih. "ista stvar kot

598
00:30:26,300 --> 00:30:28,000
"Za vsako" izjavo v PHP.

599
00:30:28,000 --> 00:30:33,420
Spomnim se, kako, če je bila PHP sem lahko
pravijo "Za vsako besedil kot

600
00:30:33,420 --> 00:30:35,220
vrstica. "Logično?

601
00:30:35,220 --> 00:30:38,900
Tako da sem ob vsakem od linij, v tem
primer, ta niz in dostavo

602
00:30:38,900 --> 00:30:44,540
Niz tako za vsako od linij, kaj sem
tekoč storiti, je, prvič, bom

603
00:30:44,540 --> 00:30:49,150
razdeli to vrstico v seznamu
besede ločene s presledki.

604
00:30:49,150 --> 00:30:53,730
>> Tako kul stvar Python je, da
si lahko samo Google, kot so "kako lahko

605
00:30:53,730 --> 00:30:58,220
split niz v besede? "In to je
dogaja, da vam povem, kako to storiti.

606
00:30:58,220 --> 00:31:04,890
In način, kako to storiti, je le "linija
= Line.split () ", in to je v bistvu

607
00:31:04,890 --> 00:31:08,640
dogaja, da vam seznam z
vsako od besed tukaj.

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

609
00:31:09,620 --> 00:31:15,870
Torej sedaj, da sem storil, da želim vedeti
kdo je pevec te pesmi.

610
00:31:15,870 --> 00:31:20,130
In za to, da sem moral dobiti
Prvi element matrike, kajne?

611
00:31:20,130 --> 00:31:26,390
Torej, jaz lahko samo rečem, da sem "pevec
= Črta (0) "Ima smisel?

612
00:31:26,390 --> 00:31:32,010
>> In kaj moram storiti, potem je v prvi vrsti
vse, bom posodobiti, koliko

613
00:31:32,010 --> 00:31:36,130
Besede imam pod "Gaga." tako da sem pravkar
bo izračun, koliko besed sem

614
00:31:36,130 --> 00:31:38,690
imajo na tem seznamu, kajne?

615
00:31:38,690 --> 00:31:41,910
Ker je to, koliko besed sem
V besedil in jaz bom samo

616
00:31:41,910 --> 00:31:44,120
dodajte na "Gaga" matrike.

617
00:31:44,120 --> 00:31:47,090
Ali to smiselno?

618
00:31:47,090 --> 00:31:49,010
Ne osredotočajo preveč na sintakso.

619
00:31:49,010 --> 00:31:50,430
Bolj misliti konceptov.

620
00:31:50,430 --> 00:31:52,400
To je najpomembnejši del.

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

622
00:31:52,720 --> 00:32:00,260
>> Torej, kaj lahko storite, je, če "Gaga" je
že v tem seznamu, tako da "če je pevka v

623
00:32:00,260 --> 00:32:03,190
besede "kar pomeni, da sem že
imajo besede, ki jih Gaga.

624
00:32:03,190 --> 00:32:06,640
Želim dodati dodatne
besed na to.

625
00:32:06,640 --> 00:32:15,810
Torej, kaj storiti, je "besede (pevka)
+ = Len (line) - 1 ".

626
00:32:15,810 --> 00:32:18,250
In potem sem lahko samo naredi
dolžina proge.

627
00:32:18,250 --> 00:32:21,860
Torej, kako veliko elementov I
imajo v matriki.

628
00:32:21,860 --> 00:32:27,060
In moram narediti minus 1 samo zato, ker
Prvi element matrike je le

629
00:32:27,060 --> 00:32:29,180
pevka in to niso lyrics.

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

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

632
00:32:32,780 --> 00:32:35,820
>> "Else", to pomeni, da želim, da se dejansko
vstaviti Gaga v seznamu.

633
00:32:35,820 --> 00:32:45,990
Tako da sem naredil "besede (pevka)
= Len (line) - 1: "Žal mi je.

634
00:32:45,990 --> 00:32:49,200
Torej je edina razlika med obema
linije je, da ta, da ne

635
00:32:49,200 --> 00:32:51,080
obstajajo še ni, tako da sem samo
inicializacijo.

636
00:32:51,080 --> 00:32:53,820
Tole sem pravzaprav dodal.

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

638
00:32:55,570 --> 00:32:59,480
Torej, to je tako, da besede.

639
00:32:59,480 --> 00:33:03,040
>> Zdaj želim dodati, da pridigarjem.

640
00:33:03,040 --> 00:33:05,480
Torej, kako izračunam pridigarjem?

641
00:33:05,480 --> 00:33:11,580
Pridigarji se lahko izračuna
s tem, koliko krat.

642
00:33:11,580 --> 00:33:15,340
Torej, kolikokrat ste videli, da je pevka
Med vsemi pevci, ki vas

643
00:33:15,340 --> 00:33:16,380
imate, kajne?

644
00:33:16,380 --> 00:33:18,810
Torej za Gaga in Katy Perry,
V tem primeru vidim Gaga

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

646
00:33:20,570 --> 00:33:23,320
>> Tako rekoč pridigarji za Gaga
in Katy Perry bi

647
00:33:23,320 --> 00:33:24,390
samo ena, kajne?

648
00:33:24,390 --> 00:33:26,500
Ti samo kolikokrat
Vidim umetnika.

649
00:33:26,500 --> 00:33:28,740
Torej, to je zelo težko izračunati.

650
00:33:28,740 --> 00:33:34,100
Jaz lahko samo nekaj podobnega, kot je všeč ", če
pevka v dosjeju, "grem

651
00:33:34,100 --> 00:33:38,970
dodati 1 na njihovo Pridigarji polju.

652
00:33:38,970 --> 00:33:51,000
Torej, "pridigarji (pojejo)" + = 1 "in nato" drugega "
Jaz bom naredil "Pridigarji (pevka)

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

654
00:33:55,000 --> 00:34:00,080
>> Torej, če to ne obstaja, sem dal
kot 1, sicer sem dodati 1.

655
00:34:00,080 --> 00:34:11,280
OK, tako da zdaj vse, kar mi je ostalo storiti
je tudi dodamo vsaka od besed k

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

657
00:34:12,290 --> 00:34:14,889
Tako da sem moral prešteti, kolikokrat
Vidim vsak besed.

658
00:34:14,889 --> 00:34:18,780
Tako da sem moral narediti še en
za zanke v liniji.

659
00:34:18,780 --> 00:34:25,190
>> Torej prva stvar, ki jo bom naredil je,
preveri, če že ima pevec

660
00:34:25,190 --> 00:34:26,969
Verjetnosti matrika.

661
00:34:26,969 --> 00:34:31,739
Torej sem preverjanje, če pevka ne
imajo Verjetnost paleto, jaz sem samo

662
00:34:31,739 --> 00:34:34,480
gre za inicializacijo enega za njih.

663
00:34:34,480 --> 00:34:36,400
To ni niti matrika, žal,
to je slovar.

664
00:34:36,400 --> 00:34:43,080
Torej je verjetnost pevec se dogaja
biti odprt slovar, tako da sem

665
00:34:43,080 --> 00:34:45,830
samo inicializacijo slovar za to.

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

667
00:34:46,820 --> 00:34:58,330
>> In zdaj sem lahko dejansko narediti zanko
Za izračun vsako od besed "

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

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

670
00:35:01,540 --> 00:35:04,160
Torej, kaj lahko storim, je za zanko.

671
00:35:04,160 --> 00:35:06,590
Torej, jaz bom samo Ponovil
v matriki.

672
00:35:06,590 --> 00:35:15,320
Torej način, da sem lahko naredil, da v Pythonu
je "za i v območju." Od 1

673
00:35:15,320 --> 00:35:19,200
ker želim, da začnete na sekundo
element, ker prva je

674
00:35:19,200 --> 00:35:20,260
Ime pevka.

675
00:35:20,260 --> 00:35:24,990
Torej od enega do
dolžina proge.

676
00:35:24,990 --> 00:35:29,760
In ko sem se gibljejo v resnici gredo od
kot sem od 1 do len od

677
00:35:29,760 --> 00:35:30,740
vrstica minus 1.

678
00:35:30,740 --> 00:35:33,810
Torej to že počne tisto stvar delaš
n minus 1 za zaporedja, ki je zelo

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

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

681
00:35:37,850 --> 00:35:42,770
>> Torej, za vsako od njih, kaj bom
naredimo je, tako kot v drugega,

682
00:35:42,770 --> 00:35:50,320
Grem preveriti, če je beseda v tem
Položaj v liniji je že v

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

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

685
00:35:53,400 --> 00:35:57,260
In potem, ko sem rekel, tukaj, verjetnosti
Besede, kot sem dal

686
00:35:57,260 --> 00:35:58,400
"verjetnosti (pevec)".

687
00:35:58,400 --> 00:35:59,390
Torej ime pevca.

688
00:35:59,390 --> 00:36:03,450
Torej, če je to že v
"Probabilit (pevec)", to pomeni, da sem

689
00:36:03,450 --> 00:36:11,960
želite dodati 1 do njega, zato bom
Do "verjetnosti (pevka)" in

690
00:36:11,960 --> 00:36:14,100
Beseda se imenuje "linija (i)".

691
00:36:14,100 --> 00:36:22,630
Jaz bom dodal 1 in "drugega" Jaz sem samo
bo to inicializacijo za 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
Smiselno?

695
00:36:28,420 --> 00:36:30,180
>> Torej, sem se izračunajo vsi nizi.

696
00:36:30,180 --> 00:36:36,580
Torej, zdaj vse, kar moram storiti za
ta je samo "vrnili Pridigarji,

697
00:36:36,580 --> 00:36:43,230
Verjetnosti in besede. "dajmo
vidim, če obstajajo, v redu.

698
00:36:43,230 --> 00:36:45,690
Zdi se, vse deluje tako daleč.

699
00:36:45,690 --> 00:36:46,900
Tako, da je smiselno?

700
00:36:46,900 --> 00:36:47,750
Na nek način?

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

702
00:36:49,280 --> 00:36:51,980
Torej, zdaj imam vse verjetnosti.

703
00:36:51,980 --> 00:36:55,100
Torej, zdaj edino, kar je ostalo
je le, da so to stvar, ki

704
00:36:55,100 --> 00:36:58,650
izračuna proizvod vseh
Verjetnost, ko pridem lyrics.

705
00:36:58,650 --> 00:37:06,270
>> Torej, recimo, da želim, da danes imenujemo
Ta funkcija "razvrščanje ()" in

706
00:37:06,270 --> 00:37:08,880
Stvar, ki funkcijo prevzame
je le argument.

707
00:37:08,880 --> 00:37:13,170
Recimo "Dragi, jaz sem na ogenj" in to je
dogaja, da ugotovimo, kaj je

708
00:37:13,170 --> 00:37:14,490
Verjetnost, da je ta Gaga?

709
00:37:14,490 --> 00:37:16,405
Kakšna je verjetnost,
Tega Katie?

710
00:37:16,405 --> 00:37:19,690
Sliši se dobro?

711
00:37:19,690 --> 00:37:25,750
Tako da sem le, da bo treba ustvariti
Nova funkcija se imenuje "klasificirati ()" in

712
00:37:25,750 --> 00:37:29,180
to se dogaja, da nekatere
lyrics, kot dobro.

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

714
00:37:31,790 --> 00:37:36,160
In poleg besedil tudi jaz
poslati pridigarjem,

715
00:37:36,160 --> 00:37:37,700
Verjetnosti in besede.

716
00:37:37,700 --> 00:37:44,000
Tako da bom poslati lyrics, Pridigarji,
Verjetnosti, besede.

717
00:37:44,000 --> 00:37:51,840
>> Torej je ta ob lyrics, Pridigarji,
Verjetnosti, besede.

718
00:37:51,840 --> 00:37:53,530
Torej, kaj počne?

719
00:37:53,530 --> 00:37:57,180
V bistvu se dogaja, da gredo skozi vse
možne kandidate, ki jih

720
00:37:57,180 --> 00:37:58,510
ima kot pevka.

721
00:37:58,510 --> 00:37:59,425
In kje so tisti kandidati?

722
00:37:59,425 --> 00:38:01,020
Oni V pridigarjem, kajne?

723
00:38:01,020 --> 00:38:02,710
Torej imam vse tiste tam.

724
00:38:02,710 --> 00:38:07,870
Tako bom imel slovar
vseh možnih kandidatov.

725
00:38:07,870 --> 00:38:14,220
In potem za vsakega kandidata v
Pridigarji, tako da to pomeni, da se dogaja, da

726
00:38:14,220 --> 00:38:17,740
biti Gaga, Katie, če bi imel
bolj bi bilo.

727
00:38:17,740 --> 00:38:20,410
Jaz bom za začetek izračun
to verjetnost.

728
00:38:20,410 --> 00:38:28,310
Verjetnost, kot smo videli v
PowerPoint se predhodno krat

729
00:38:28,310 --> 00:38:30,800
Produkt iz vsake od
drugi verjetnosti.

730
00:38:30,800 --> 00:38:32,520
>> Tako da sem lahko naredil isto tukaj.

731
00:38:32,520 --> 00:38:36,330
Jaz lahko samo to verjetnost je,
najprej tik pred tem.

732
00:38:36,330 --> 00:38:40,340
Tako pridigarji kandidata.

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

734
00:38:40,870 --> 00:38:45,360
In zdaj moram ponoviti čez vse
Besede, ki sem jih v besedilih, da bi

735
00:38:45,360 --> 00:38:48,820
lahko dodali verjetnost
za vsakega od njih, v redu?

736
00:38:48,820 --> 00:38:57,900
Torej, "za besedo v pesmi" kaj bom
storiti, je, če je beseda v

737
00:38:57,900 --> 00:39:01,640
"verjetnosti (kandidatke)", ki
pomeni, da je beseda, ki

738
00:39:01,640 --> 00:39:03,640
ima kandidat v svojih besedilih -

739
00:39:03,640 --> 00:39:05,940
na primer, "ljubica" za Gaga -

740
00:39:05,940 --> 00:39:11,710
kaj bom storiti, je, da
verjetnost, da se bo treba pomnožiti

741
00:39:11,710 --> 00:39:22,420
z 1 plus verjetnosti
Kandidat za to besedo.

742
00:39:22,420 --> 00:39:25,710
In se imenuje "beseda".

743
00:39:25,710 --> 00:39:32,440
To deljeno s številom besed
da imam za to kandidata.

744
00:39:32,440 --> 00:39:37,450
Skupno število besed, ki sem
za pevca, da gledam.

745
00:39:37,450 --> 00:39:40,290
>> "Else". to pomeni, da je nova beseda
Tako bi bilo, če bi na primer

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

747
00:39:41,860 --> 00:39:45,760
Torej, rad bi naredil več kot 1
"Beseda (kandidat)".

748
00:39:45,760 --> 00:39:47,710
Tako da ne želite, da bi ta izraz tukaj.

749
00:39:47,710 --> 00:39:50,010
>> Tako se dogaja, da je v bistvu
kopiranje in lepljenje to.

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

751
00:39:54,380 --> 00:39:56,000
Ampak bom izbrisati ta del.

752
00:39:56,000 --> 00:39:57,610
Torej to je samo bo 1. nad tem.

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

754
00:40:00,900 --> 00:40:02,150
Sliši se dobro?

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

756
00:40:03,980 --> 00:40:09,700
In zdaj, na koncu sem le, da bo
natisniti ime kandidata in

757
00:40:09,700 --> 00:40:15,750
Verjetnost, da imate v
ima S na svojih besedilih.

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

759
00:40:16,200 --> 00:40:18,390
In jaz pravzaprav sploh ne
Potrebujem ta slovar.

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

761
00:40:19,510 --> 00:40:21,810
>> Torej, da vidimo, če je to dejansko deluje.

762
00:40:21,810 --> 00:40:24,880
Torej, če sem teči to, da ni delovalo.

763
00:40:24,880 --> 00:40:26,130
Počakajte eno sekundo.

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

765
00:40:28,870 --> 00:40:31,720
"Besede (kandidatke)", "besede (kandidatke)",
to je

766
00:40:31,720 --> 00:40:33,750
ime matrike.

767
00:40:33,750 --> 00:40:41,435
OK Torej, pravi, da je nekaj bug
za kandidata v dosjeju.

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

769
00:40:46,300 --> 00:40:48,760
Dovolite mi, da se umiri malo.

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

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

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

773
00:40:51,720 --> 00:40:58,710
>> Tako daje Katy Perry je to
Verjetnost tega 10-krat na

774
00:40:58,710 --> 00:41:02,200
minus 7, in Gaga ima ta
krat 10 na minus 6.

775
00:41:02,200 --> 00:41:05,610
Torej vidite, da kaže, da je Gaga
ima večjo verjetnost.

776
00:41:05,610 --> 00:41:09,260
Torej "Dragi, jaz sem on Fire" je
Verjetno Gaga pesem.

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

778
00:41:10,580 --> 00:41:12,030
Torej, to je tisto, kar smo storili.

779
00:41:12,030 --> 00:41:16,010
>> Ta koda se bo objavljen na spletu,
tako da lahko vi pogledat.

780
00:41:16,010 --> 00:41:20,720
Morda uporabite nekaj pa za, če želite, da
narediti projekt ali kaj podobnega.

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

782
00:41:22,150 --> 00:41:25,930
To je bil samo pokazati
kaj računska

783
00:41:25,930 --> 00:41:27,230
jezikoslovje koda izgleda.

784
00:41:27,230 --> 00:41:33,040
Ampak zdaj gremo k bolj
Visoka raven stvari.

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

786
00:41:33,340 --> 00:41:35,150
>> Torej drugi problemi I
je govoril o tem -

787
00:41:35,150 --> 00:41:37,550
problem segmentacije
je prva od njih.

788
00:41:37,550 --> 00:41:40,820
Torej imate tukaj Japonce.

789
00:41:40,820 --> 00:41:43,420
In potem boste videli, da
ni presledkov.

790
00:41:43,420 --> 00:41:49,110
Torej je to v bistvu pomeni, da je to
top stola, kajne?

791
00:41:49,110 --> 00:41:50,550
Govoriš japonsko?

792
00:41:50,550 --> 00:41:52,840
To je top stola, kajne?

793
00:41:52,840 --> 00:41:54,480
>> Študent: Ne vem, kaj
kanji tam je.

794
00:41:54,480 --> 00:41:57,010
>> LUCAS FREITAS: To je [govori Japonsko]

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

796
00:41:57,950 --> 00:42:00,960
Tako da v bistvu pomeni predsedovanje vrhu.

797
00:42:00,960 --> 00:42:03,620
Torej, če si moral dati prostor
da bi bilo tukaj.

798
00:42:03,620 --> 00:42:05,970
In potem imaš [? Ueda-san. ?]

799
00:42:05,970 --> 00:42:09,040
Kar v bistvu pomeni, gospod Ueda.

800
00:42:09,040 --> 00:42:13,180
In boste videli, da je "Ueda" in imate
prostor in nato "san". Torej vidite, da

801
00:42:13,180 --> 00:42:15,470
Tukaj ste "UE" je kot, ki ga sama.

802
00:42:15,470 --> 00:42:17,750
In tukaj ima značaj
ob njej.

803
00:42:17,750 --> 00:42:21,720
>> Torej to ni všeč v teh jezikih
znakov, kar pomeni besedo, ki je, tako da boste

804
00:42:21,720 --> 00:42:23,980
samo dal veliko prostorov.

805
00:42:23,980 --> 00:42:25,500
Znaki med seboj povezane.

806
00:42:25,500 --> 00:42:28,680
In so lahko skupaj
kot dve, tri, ena.

807
00:42:28,680 --> 00:42:34,520
Tako da boste dejansko morali ustvariti nekakšno
za način dajanja te prostore.

808
00:42:34,520 --> 00:42:38,850
>> In ta stvar je, da vsakič, ko prideš
Podatki iz teh azijskih jezikov,

809
00:42:38,850 --> 00:42:40,580
vse, kar prihaja unsegmented.

810
00:42:40,580 --> 00:42:45,940
Saj nihče, ki piše v japonščini
ali kitajski piše s presledki.

811
00:42:45,940 --> 00:42:48,200
Kadarkoli pišete Kitajski,
Japonci si napisati vse

812
00:42:48,200 --> 00:42:48,710
brez presledkov.

813
00:42:48,710 --> 00:42:52,060
To sploh ni smiselno
postaviti prostore.

814
00:42:52,060 --> 00:42:57,960
Potem, ko boste dobili podatke, nekateri
Vzhodnoazijski jezik, če želite, da

815
00:42:57,960 --> 00:43:00,760
dejansko pa s tem nekaj
moraš segmentu prvi.

816
00:43:00,760 --> 00:43:05,130
>> Razmišljati o tem zgledu
lyrics brez presledkov.

817
00:43:05,130 --> 00:43:07,950
Torej le lyrics, ki jih imajo
bo stavka, kajne?

818
00:43:07,950 --> 00:43:09,470
Ločene z obdobji.

819
00:43:09,470 --> 00:43:13,930
Potem pa imajo samo stavka bo
ne res pomagal na posredovanje informacij

820
00:43:13,930 --> 00:43:17,760
kdo te pesmi so jih.

821
00:43:17,760 --> 00:43:18,120
Kajne?

822
00:43:18,120 --> 00:43:20,010
Torej bi morali najprej postavlja prostorov.

823
00:43:20,010 --> 00:43:21,990
Torej, kako lahko to storite?

824
00:43:21,990 --> 00:43:24,920
>> In potem pride ideja o jeziku
model, ki je nekaj res

825
00:43:24,920 --> 00:43:26,870
pomembno za računskih
jezikoslovje.

826
00:43:26,870 --> 00:43:32,790
Torej jezik model je v bistvu
tabela verjetnosti, da kaže

827
00:43:32,790 --> 00:43:36,260
Najprej, kar je verjetnost
imajo besedo v jeziku?

828
00:43:36,260 --> 00:43:39,590
Torej, ki prikazuje, kako pogosta beseda.

829
00:43:39,590 --> 00:43:43,130
In potem tudi kaže na odnos
med besedami v stavku.

830
00:43:43,130 --> 00:43:51,500
>> Torej Glavna ideja je, če je tujec
tebi in rekel stavek

831
00:43:51,500 --> 00:43:55,600
ti, kaj je verjetnost, da je za
Na primer, "to je moja sestra [? GTF"?]

832
00:43:55,600 --> 00:43:57,480
je stavek, da je oseba, ki je rekel?

833
00:43:57,480 --> 00:44:00,380
Torej, očitno nekateri stavki so
bolj pogosto kot drugi.

834
00:44:00,380 --> 00:44:04,450
Na primer, "dobro jutro" ali "dobro
noč, "ali" Hej, "je veliko bolj

835
00:44:04,450 --> 00:44:08,260
pogosti kot večina stavkov
da imamo angleščino.

836
00:44:08,260 --> 00:44:11,060
Torej, zakaj so ti stavki
pogostejši?

837
00:44:11,060 --> 00:44:14,060
>> First of all, je to zato, ker imate
besede, ki so bolj pogoste.

838
00:44:14,060 --> 00:44:20,180
Tako, na primer, če rečeš, da je pes
velika, in pes je ogromen, si

839
00:44:20,180 --> 00:44:23,880
ponavadi verjetno slišali pes je velik
bolj pogosto, ker je "velik", je bolj

840
00:44:23,880 --> 00:44:27,260
pogosta v angleškem jeziku kot "ogromen".
Torej, eden

841
00:44:27,260 --> 00:44:30,100
stvari, je frekvenca beseda.

842
00:44:30,100 --> 00:44:34,490
>> Druga stvar, ki je res
Pomembno je le

843
00:44:34,490 --> 00:44:35,490
vrstni red besed.

844
00:44:35,490 --> 00:44:39,500
Torej, to je skupno to, da rečeš "mačka
znotraj škatle. "vendar pa običajno ne

845
00:44:39,500 --> 00:44:44,250
glej v "polje v notranjosti je mačka." tako
boste videli, da obstaja pomembna

846
00:44:44,250 --> 00:44:46,030
v vrstnem redu besed.

847
00:44:46,030 --> 00:44:50,160
Ne moreš kar reči, da ti dve
stavki imajo enako verjetnost

848
00:44:50,160 --> 00:44:53,010
samo zato, ker imajo enake besede.

849
00:44:53,010 --> 00:44:55,550
Boste dejansko morali skrbeti
O vrstnem redu, kot dobro.

850
00:44:55,550 --> 00:44:57,650
Smisla?

851
00:44:57,650 --> 00:44:59,490
>> Torej, kaj naj naredimo?

852
00:44:59,490 --> 00:45:01,550
Torej, kaj lahko poskusite, boste dobili?

853
00:45:01,550 --> 00:45:04,400
Poskušam, da bi dobili tisto, kar smo
klic modele n-gram.

854
00:45:04,400 --> 00:45:09,095
Torej n-gram modeli v bistvu prevzemajo
da za vsako besedo, ki

855
00:45:09,095 --> 00:45:10,960
imate v stavku.

856
00:45:10,960 --> 00:45:15,020
To je verjetnost, da ima
Beseda pa ni odvisna samo od

857
00:45:15,020 --> 00:45:18,395
pogostost te besede v jeziku,
, ampak tudi na besede, ki

858
00:45:18,395 --> 00:45:19,860
so ga obkroža.

859
00:45:19,860 --> 00:45:25,810
>> Tako na primer, po navadi, ko vidiš
nekaj podobnega ali pri vas

860
00:45:25,810 --> 00:45:28,040
verjetno bo videti
samostalnik po njej, kajne?

861
00:45:28,040 --> 00:45:31,750
Ker, ko imate preposition
Ponavadi to traja samostalnik po njej.

862
00:45:31,750 --> 00:45:35,540
Ali pa, če imate glagol, ki je prehodni
navadi se dogaja, da

863
00:45:35,540 --> 00:45:36,630
imajo samostalnik frazo.

864
00:45:36,630 --> 00:45:38,780
Tako se dogaja, da imajo samostalnik
nekje okoli njega.

865
00:45:38,780 --> 00:45:44,950
>> Torej, v bistvu, kaj počne, je, da
meni, da je verjetnost,

866
00:45:44,950 --> 00:45:47,960
besede drug poleg drugega, ko
si izračun

867
00:45:47,960 --> 00:45:49,050
verjetnost, da bo stavka.

868
00:45:49,050 --> 00:45:50,960
In to je tisto jezik
Model je v bistvu.

869
00:45:50,960 --> 00:45:54,620
Samo reči, kaj je verjetnost
od ima specifično

870
00:45:54,620 --> 00:45:57,120
stavek v jeziku?

871
00:45:57,120 --> 00:45:59,110
Torej, zakaj je to koristno, v bistvu?

872
00:45:59,110 --> 00:46:02,390
In najprej kar je
Model n-gram, potem?

873
00:46:02,390 --> 00:46:08,850
>> Torej Model n-gram pomeni, da
vsaka beseda odvisen

874
00:46:08,850 --> 00:46:12,700
Naslednja N minus 1 besed.

875
00:46:12,700 --> 00:46:18,150
Torej, v bistvu, to pomeni, da če gledam,
na primer, v CS50 TF ko

876
00:46:18,150 --> 00:46:21,500
Jaz sem izračun verjetnosti
stavek, boste všeč "

877
00:46:21,500 --> 00:46:25,280
Verjetnost, da ima beseda ""
krat verjetnost, da imajo "

878
00:46:25,280 --> 00:46:31,720
CS50 "krat verjetnost, da ima
"CS50 TF." Torej, v bistvu, jaz računam

879
00:46:31,720 --> 00:46:35,720
vse možne načine za njeno raztezanje.

880
00:46:35,720 --> 00:46:41,870
>> In potem ponavadi, ko delaš to,
kot je v projektu, si dal N, da je

881
00:46:41,870 --> 00:46:42,600
Nizka vrednost.

882
00:46:42,600 --> 00:46:45,930
Torej, imajo običajno bigrams ali trigrams.

883
00:46:45,930 --> 00:46:51,090
Tako, da si šteje dve besedi,
skupina dveh besed ali tri besede,

884
00:46:51,090 --> 00:46:52,620
samo za vprašanja o uspešnosti.

885
00:46:52,620 --> 00:46:56,395
In tudi zato, ker morda, če imate
nekaj podobnega "The CS50 TF." Ko ste

886
00:46:56,395 --> 00:47:00,510
imajo "TF", to je zelo pomembno, da
"CS50" je ob njem, kajne?

887
00:47:00,510 --> 00:47:04,050
Ti dve stvari sta običajno
drug poleg drugega.

888
00:47:04,050 --> 00:47:06,410
>> Če menite, da "TF", je to verjetno
dogaja, da imajo kaj

889
00:47:06,410 --> 00:47:07,890
Razred pa je TF'ing za.

890
00:47:07,890 --> 00:47:11,330
Tudi "" je res pomembno
Za CS50 TF.

891
00:47:11,330 --> 00:47:14,570
Toda, če imate nekaj podobnega "The CS50
TF odšel v razredu in dali svoje

892
00:47:14,570 --> 00:47:20,060
študenti nekaj sladkarij. "" Candy "in" "
imeti nobene zveze res, kajne?

893
00:47:20,060 --> 00:47:23,670
Oni so tako oddaljena drug od drugega, da
ni važno kaj

894
00:47:23,670 --> 00:47:25,050
Besede, ki jih imajo.

895
00:47:25,050 --> 00:47:31,210
>> Tako, da delaš bigram ali trigram, da
pomeni le, da ste omejevanje

896
00:47:31,210 --> 00:47:33,430
si, da nekaterih besed
da so okoli.

897
00:47:33,430 --> 00:47:35,810
Smisla?

898
00:47:35,810 --> 00:47:40,630
Torej, če želite narediti segmentacijo,
v bistvu, kaj želite storiti, je videti

899
00:47:40,630 --> 00:47:44,850
kaj so vse možne načine, da se
lahko segmentu kazni.

900
00:47:44,850 --> 00:47:49,090
>> Takšna, da boste videli, kaj je
verjetnost, da bo vsaka od teh stavkih

901
00:47:49,090 --> 00:47:50,880
obstajajo v jeziku?

902
00:47:50,880 --> 00:47:53,410
Torej, kaj morate storiti, je, kot, no, kaj
me poskušali dati prostor tukaj.

903
00:47:53,410 --> 00:47:55,570
Torej si dal prostor tam
in boste videli, kaj je

904
00:47:55,570 --> 00:47:57,590
Verjetnost tega stavka?

905
00:47:57,590 --> 00:48:00,240
Potem ste kot, OK, morda
da ni bil tako dober.

906
00:48:00,240 --> 00:48:03,420
Zato sem dal prostor tam in presledek
poleg tega pa si izračunajte

907
00:48:03,420 --> 00:48:06,240
Verjetnost, zdaj, in boste videli, da
je večja verjetnost.

908
00:48:06,240 --> 00:48:12,160
>> Torej je to algoritem imenovan TANGO
segmentacija algoritem, ki je

909
00:48:12,160 --> 00:48:14,990
pravzaprav nekaj, kar bi bilo res
kul za projekt, ki je

910
00:48:14,990 --> 00:48:20,860
v bistvu traja unsegmented besedilo, ki
lahko japonska ali kitajska ali morda

911
00:48:20,860 --> 00:48:26,080
Angleščina brez presledkov in poskuša dati
presledki med besedami in to počne

912
00:48:26,080 --> 00:48:29,120
da z uporabo jezikovnega vzorca in
poskuša videti, kaj je najvišja

913
00:48:29,120 --> 00:48:31,270
Verjetnost lahko dobite.

914
00:48:31,270 --> 00:48:32,230
OK.

915
00:48:32,230 --> 00:48:33,800
Torej je ta delitev.

916
00:48:33,800 --> 00:48:35,450
>> Zdaj sintaksa.

917
00:48:35,450 --> 00:48:40,940
Torej, je sintaksa uporablja za
Toliko stvari zdaj.

918
00:48:40,940 --> 00:48:44,880
Torej za graf Search, za Siri za
precej koli vrste naravnih

919
00:48:44,880 --> 00:48:46,490
jezik za obdelavo imate.

920
00:48:46,490 --> 00:48:49,140
Torej, kaj so pomembna
stvari o skladnji?

921
00:48:49,140 --> 00:48:52,390
Torej, stavki imajo na splošno
kar imenujemo sestavine.

922
00:48:52,390 --> 00:48:57,080
Ki so nekako kot skupin besed
da imajo funkcijo v stavku.

923
00:48:57,080 --> 00:49:02,220
In ne more biti res
narazen.

924
00:49:02,220 --> 00:49:07,380
>> Torej, če rečem, na primer, "Lauren ljubi
Milo. "Vem, da je" Lauren "

925
00:49:07,380 --> 00:49:10,180
Sestavni in nato "ljubezni
Milo "je tudi še eden.

926
00:49:10,180 --> 00:49:16,860
Ker ne morete reči, kot je "Lauren Milo
rad "na enak pomen.

927
00:49:16,860 --> 00:49:18,020
To se ne dogaja, da imajo
enak pomen.

928
00:49:18,020 --> 00:49:22,500
Ali pa ne morem reči, kot je "Milo Lauren
ljubi. "Ni vse, kar je enako

929
00:49:22,500 --> 00:49:25,890
kar pomeni, da delaš.

930
00:49:25,890 --> 00:49:31,940
>> Torej, dve pomembni stvari o
sintaksa so leksikalni vrste, ki je

931
00:49:31,940 --> 00:49:35,390
v bistvu funkcija, ki jo
imeti za besedami, ki jih sami.

932
00:49:35,390 --> 00:49:39,180
Tako da boste morali vedeti, da "Lauren"
in "Milo" so samostalniki.

933
00:49:39,180 --> 00:49:41,040
"Ljubezen" je glagol.

934
00:49:41,040 --> 00:49:45,660
In druga pomembna stvar je,
da oni stavčni vrste.

935
00:49:45,660 --> 00:49:48,990
Tako da boste vedeli, da je "ljubi Milo"
je pravzaprav besedni stavek.

936
00:49:48,990 --> 00:49:52,390
Torej, ko rečem "Lauren," Vem, da
Lauren počne nekaj.

937
00:49:52,390 --> 00:49:53,620
Kaj počne?

938
00:49:53,620 --> 00:49:54,570
Ona je ljubeč Milo.

939
00:49:54,570 --> 00:49:56,440
Tako da je cela stvar.

940
00:49:56,440 --> 00:50:01,640
Vendar njegovi sestavni deli so
samostalnik in glagol.

941
00:50:01,640 --> 00:50:04,210
Ampak skupaj, dajo glagol frazo.

942
00:50:04,210 --> 00:50:08,680
>> Torej, kaj lahko dejansko počnejo z
računalniška lingvistika?

943
00:50:08,680 --> 00:50:13,810
Torej, če imam kaj za primer
"prijatelji Allison." Jaz vidim, če sem

944
00:50:13,810 --> 00:50:17,440
ni skladenjsko drevo Rad bi vedel, da
"Prijatelji" je samostalnik stavek je

945
00:50:17,440 --> 00:50:21,480
samostalnik in nato "Allison" je
predložne zveze, pri kateri "v" je

946
00:50:21,480 --> 00:50:24,810
predlog in "Allison" je samostalnik.

947
00:50:24,810 --> 00:50:30,910
Kaj lahko storim je naučil moj računalnik
da ko imam samostalnik besedno eno in

948
00:50:30,910 --> 00:50:33,080
potem predložne zveze.

949
00:50:33,080 --> 00:50:39,020
Torej v tem primeru, "prijatelji" in nato "od
Milo "Vem, da to pomeni, da

950
00:50:39,020 --> 00:50:43,110
NP2, drugi pa ima v lasti NP1.

951
00:50:43,110 --> 00:50:47,680
>> Tako da sem lahko ustvari neke vrste zvezi,
nekakšen funkcije za to.

952
00:50:47,680 --> 00:50:52,370
Torej, ko sem videl to strukturo, ki
točno ujema s "prijatelji

953
00:50:52,370 --> 00:50:56,030
Allison, "Vem, da je Allison
lastnik prijatelje.

954
00:50:56,030 --> 00:50:58,830
Torej, prijatelji so nekaj
da ima Allison.

955
00:50:58,830 --> 00:50:59,610
Smiselno?

956
00:50:59,610 --> 00:51:01,770
Torej, to je v bistvu tisto, kar
Graf Iskanje počne.

957
00:51:01,770 --> 00:51:04,360
To samo ustvarja pravila
Za veliko stvari.

958
00:51:04,360 --> 00:51:08,190
Tako "prijatelji Allison", "Moji prijatelji
ki živi v Cambridgeu, "" prijatelje

959
00:51:08,190 --> 00:51:12,970
ki gredo na Harvard. "Ustvarja pravila
za vse te stvari.

960
00:51:12,970 --> 00:51:14,930
>> Zdaj strojno prevajanje.

961
00:51:14,930 --> 00:51:18,850
Torej, strojno prevajanje, je prav tako
Nekaj ​​statističnih podatkov.

962
00:51:18,850 --> 00:51:21,340
In dejansko, če se vključijo v
računalniška lingvistika, veliko

963
00:51:21,340 --> 00:51:23,580
vaše stvari se bo statistika.

964
00:51:23,580 --> 00:51:26,670
Torej, kot sem delal na primer z
veliko verjetnosti, da sem bil

965
00:51:26,670 --> 00:51:30,540
izračun, nato pa dobiš za to
zelo majhno število, ki je končni

966
00:51:30,540 --> 00:51:33,180
Verjetnost, in to je tisto,
vam daje odgovor.

967
00:51:33,180 --> 00:51:37,540
Strojno prevajanje prav tako uporablja
statističnega modela.

968
00:51:37,540 --> 00:51:44,790
In če želite, da razmišljajo o stroju
prevod v najpreprostejši možni

969
00:51:44,790 --> 00:51:48,970
Mimogrede, kaj si lahko misliš, da je prav
prevesti besedo za besedo, kajne?

970
00:51:48,970 --> 00:51:52,150
>> Ko ste učenje jezika za
prvič, da je običajno, kar

971
00:51:52,150 --> 00:51:52,910
ti, kajne?

972
00:51:52,910 --> 00:51:57,050
Če želite prevesti stavek
v vašem jeziku, v jeziku

973
00:51:57,050 --> 00:52:00,060
učiš, običajno najprej, ti
prevesti vsaka od besed

974
00:52:00,060 --> 00:52:03,180
posamično, nato pa poskusite
dati besede v mestu.

975
00:52:03,180 --> 00:52:07,100
>> Torej, če sem hotel prevesti,
[GOVORJENJE PORTUGALSKA]

976
00:52:07,100 --> 00:52:10,430
kar pomeni "bela mačka zbežala."
Če bi želel prevesti iz

977
00:52:10,430 --> 00:52:13,650
Portugalski v angleščino, kar sem
lahko narediš je, prvič, sem

978
00:52:13,650 --> 00:52:14,800
prevesti besedo za besedo.

979
00:52:14,800 --> 00:52:20,570
Torej, "o" je "," "Gato", "mačka"
"Branco", "bele" in nato "fugio" je

980
00:52:20,570 --> 00:52:21,650
"Pobegnil".

981
00:52:21,650 --> 00:52:26,130
>> Torej imam vse besede tukaj,
ampak oni niso v redu.

982
00:52:26,130 --> 00:52:29,590
To je kot "mačka bela pobegnil"
ki je Negramatički.

983
00:52:29,590 --> 00:52:34,490
Torej, potem pa lahko drugi korak, ki
se bo našel idealno

984
00:52:34,490 --> 00:52:36,610
Položaj za vsako od besed.

985
00:52:36,610 --> 00:52:40,240
Tako da vem, da sem dejansko želijo imeti
"Bela mačka" namesto "mačka beli barvi." Tako

986
00:52:40,240 --> 00:52:46,050
kaj lahko storim, je, najbolj naivna metoda
bi ustvariti vse

987
00:52:46,050 --> 00:52:49,720
možne permutacije
besede, iz pozicij.

988
00:52:49,720 --> 00:52:53,300
In potem vidite, katera ima
največja verjetnost, da po

989
00:52:53,300 --> 00:52:54,970
po mojem jezikovnem modelu.

990
00:52:54,970 --> 00:52:58,390
In potem, ko sem najti tisto, ki ima
največja verjetnost je, ki je

991
00:52:58,390 --> 00:53:01,910
verjetno "bela mačka zbežala,"
to je moj prevod.

992
00:53:01,910 --> 00:53:06,710
>> In to je preprost način razložiti
kako veliko strojno prevajanje

993
00:53:06,710 --> 00:53:07,910
algoritmov.

994
00:53:07,910 --> 00:53:08,920
Ali to smiselno?

995
00:53:08,920 --> 00:53:12,735
To je tudi nekaj res razburljivo
da lahko vi morda raziskovanje za

996
00:53:12,735 --> 00:53:13,901
končni projekt, ja?

997
00:53:13,901 --> 00:53:15,549
>> Študent: No, ste rekli, da je
naiven način, da tisto, kar je

998
00:53:15,549 --> 00:53:17,200
ni naiven način?

999
00:53:17,200 --> 00:53:18,400
>> LUCAS FREITAS: ni naiven način?

1000
00:53:18,400 --> 00:53:19,050
OK.

1001
00:53:19,050 --> 00:53:22,860
Torej prva stvar, ki je slabo zaradi
Ta metoda je, da sem prevedeni

1002
00:53:22,860 --> 00:53:24,330
besede, besedo za besedo.

1003
00:53:24,330 --> 00:53:30,570
Ampak včasih moraš besede, ki
imajo lahko več prevodov.

1004
00:53:30,570 --> 00:53:32,210
Bom poskusil, da razmišljajo
nečesa.

1005
00:53:32,210 --> 00:53:37,270
Na primer, "manga" v portugalski pločevinki
bodisi "Komadati" ali "rokav." Tako

1006
00:53:37,270 --> 00:53:40,450
ko ste poskušali prevesti besedo
z besedo, morda vam

1007
00:53:40,450 --> 00:53:42,050
nekaj, kar nima nobenega smisla.

1008
00:53:42,050 --> 00:53:45,770
>> Torej si dejansko želijo, da pogledaš na vse
možni prevodi

1009
00:53:45,770 --> 00:53:49,840
besede in glej, najprej,
kaj je red.

1010
00:53:49,840 --> 00:53:52,000
Govorila sva o permutating
stvari?

1011
00:53:52,000 --> 00:53:54,150
Če si želite ogledati vse možne naloge za in
izberejo eno z najvišjo

1012
00:53:54,150 --> 00:53:54,990
Verjetnost?

1013
00:53:54,990 --> 00:53:57,860
Izberete lahko tudi vse mogoče
prevodi za vsako

1014
00:53:57,860 --> 00:54:00,510
Beseda in potem videli -

1015
00:54:00,510 --> 00:54:01,950
v kombinaciji z permutacije -

1016
00:54:01,950 --> 00:54:03,710
katera ima največjo verjetnost.

1017
00:54:03,710 --> 00:54:08,590
>> Plus, si lahko ogledate tudi ne
samo besede, ampak besede.

1018
00:54:08,590 --> 00:54:11,700
tako da lahko analizira odnose med
besede in nato dobil

1019
00:54:11,700 --> 00:54:13,210
boljši prevod.

1020
00:54:13,210 --> 00:54:16,690
Tudi kaj drugega, tako da je ta semester
Jaz sem pravzaprav raziskovalno delo v

1021
00:54:16,690 --> 00:54:19,430
Kitajsko-angleški strojno prevajanje,
tako prevajanju iz

1022
00:54:19,430 --> 00:54:20,940
Kitajci v angleščino.

1023
00:54:20,940 --> 00:54:26,760
>> In kaj moramo storiti, je, poleg uporabo
statističnega modela, ki je le

1024
00:54:26,760 --> 00:54:30,570
videnje verjetnosti videli
nekateri položaj v stavku, sem

1025
00:54:30,570 --> 00:54:35,360
dejansko tudi dodal nekaj sintakse my
Model, rekoč, oh, če vidim te vrste

1026
00:54:35,360 --> 00:54:39,420
gradnje, to je tisto, kar hočem
Za spremembo, ko sem prevajati.

1027
00:54:39,420 --> 00:54:43,880
Torej si lahko dodate tudi neke vrste
element sintakse, da bi

1028
00:54:43,880 --> 00:54:47,970
Prevod učinkovitejše
in natančnejše.

1029
00:54:47,970 --> 00:54:48,550
OK.

1030
00:54:48,550 --> 00:54:51,010
>> Torej, kako lahko začnem, če hočeš
nekaj storiti v računskih

1031
00:54:51,010 --> 00:54:51,980
lingvistika?

1032
00:54:51,980 --> 00:54:54,560
>> Najprej morate izbrati projekt
ki vključuje jezike.

1033
00:54:54,560 --> 00:54:56,310
Torej, tam je tudi veliko tam.

1034
00:54:56,310 --> 00:54:58,420
Tukaj je toliko stvari, ki jih lahko storite.

1035
00:54:58,420 --> 00:55:00,510
In potem lahko zamislite model
ki jih lahko uporabite.

1036
00:55:00,510 --> 00:55:04,710
Ponavadi to pomeni razmišljanje
predpostavke, kot je všeč, oh, ko sem bil

1037
00:55:04,710 --> 00:55:05,770
podobno razmišljanje besedil.

1038
00:55:05,770 --> 00:55:09,510
Bila sem kot, no, če želim, da ugotovimo
ven, ki je to napisal, sem verjetno želeli

1039
00:55:09,510 --> 00:55:15,400
pogled na besedami oseba uporablja in
glej, ki uporablja to besedo zelo pogosto.

1040
00:55:15,400 --> 00:55:18,470
Torej, poskusite narediti predpostavke in
začeti razmišljati o modelih.

1041
00:55:18,470 --> 00:55:21,395
In potem si lahko tudi iskanje na spletu za
vrste problem, ki ga imajo,

1042
00:55:21,395 --> 00:55:24,260
in to se dogaja, kažejo,
da vas modele, ki morda

1043
00:55:24,260 --> 00:55:26,560
vzoru te stvari dobro.

1044
00:55:26,560 --> 00:55:29,080
>> In prav tako lahko vedno mi email.

1045
00:55:29,080 --> 00:55:31,140
me@lfreitas.com.

1046
00:55:31,140 --> 00:55:34,940
In lahko sem samo odgovoriti na vaša vprašanja.

1047
00:55:34,940 --> 00:55:38,600
Lahko bi celo lahko sestanejo, da bom lahko
dajejo predloge o načinih

1048
00:55:38,600 --> 00:55:41,490
izvedbi projekta.

1049
00:55:41,490 --> 00:55:45,610
In mislim, če ste se ukvarjajo z
računalniške lingvistike, da se dogaja

1050
00:55:45,610 --> 00:55:46,790
bi bilo super.

1051
00:55:46,790 --> 00:55:48,370
Boš videl tam
je tako veliko potenciala.

1052
00:55:48,370 --> 00:55:52,060
In industrija želi zaposliti
ti tako slabo zaradi tega.

1053
00:55:52,060 --> 00:55:54,720
Zato upam, da vama je to všeč.

1054
00:55:54,720 --> 00:55:57,030
Če imate kakršno koli vprašanje fantje,
mi lahko vprašam po tem.

1055
00:55:57,030 --> 00:55:58,280
Ampak hvala.

1056
00:55:58,280 --> 00:56:00,150