ciao ragazzi, grazie Brian, eccoci qui
conferenze come queste sono le migliori
quando un ingegnere senior ha 10 anni
di esperienza nel mio campo non documentato
è in grado di tipo di prendere l’ora e
parla delle cose che hanno imparato
che se è difficile, questo non è assolutamente
che parliamo invece questo sono io una specie di
sviluppatore web schifoso senza esperienza
in linguistica o qualcosa di simile
un livello irragionevole di successo con
questa biblioteca ha costruito una sorta di lato
progetto si chiama MLP compromettere il
l’idea è che è un linguaggio naturale
toolkit è simile a quello che è fuori
c’è già accettato un javascript
file alla fine della giornata è possibile npm
installalo ed è circa della stessa dimensione
come jquery compresso non sono solo il
linguaggio naturale più accurato
il motore di elaborazione è sicuro ma lo è
abbastanza buono da qui il nome NLP
compromesso um e il livello sorprendente
di successo che ho avuto con questa cosa
mi ha fatto pensare che mi piacesse davvero
inciampò in un buco dove dove questo
l’offerta non è stata ancora scritta e
dovrei essere così questo è il più upvoted
commenta sempre su TechCrunch dice Gaia
è ciò che quattro anni fa cinque anni fa
quando / stava appena iniziando e lui ha detto che
avere 30 anni di esperienza in una macchina
condividere l’industria e qui le ragioni per lui
dà questi grandi argomenti perché è uber
non andando a lavorare il da asporto
questo è quello che a volte è un
non esperto è in realtà una buona cosa
giusto perché ti piace correre dritto dentro
i problemi che altre persone ti conoscevano
stavano andando a correre direttamente in e
a volte sei in grado di tirarli fuori
quindi scriverò brevemente su um come ottengo
in questa roba come sono caduto nel
Foro di coniglio in linguaggio naturale
l’elaborazione che stavo risolvendo mi avvio
siamo a due settimane dal lancio
un po ‘uno scherzo, perché ogni avvio era
due settimane dall’osservazione ma eravamo e
eravamo pronti per il test degli utenti
e il suo principale invito all’azione era
qualcosa come questo dove c’è un
casella di ricerca e ci aspettiamo che gli utenti
scrivendo cose um ero il tipo di ricerca um
Ho importato tutti gli articoli di Wikipedia
in una ricerca elastica e noi eravamo
mi aspetto cose come questa in cui le persone
scriverebbe qualcosa che sapevamo ma loro
farebbe errori di ortografia in questo modo
cosa è successo quando sono arrivati gli utenti
la prima persona digitata in questa Londra a
la pioggia e non abbiamo quello che è
non un articolo di Wikipedia la prossima persona
digitato in quel nuovo iPhone d’oro e noi
non ce l’avevo, quindi è brutale e
è stata tutta colpa mia e il mio capo ha chiamato
io nel suo ufficio, quella sera, ragazzi
avevo il sospetto che potessi essere licenziato ma lui lo è
un ragazzo molto carino, ha detto Spencer, lo sai
abbiamo questo termine Londra sotto la pioggia noi
non ho la partita completa, ma abbiamo
la parola Londra, quindi perché non solo
abbattuto ogni parola e cercarli
come ripiego quando non abbiamo il
Piena cosa ora sapevo che alcuni dei nostri
termini sono due caratteri o due parole o
tre parole come Londra Ontario nel
pioggia o Paris Hilton sotto la pioggia così
avanti quindi non è così facile lo sapevo
quello che dovevamo fare era un n-grammo se tu
ha preso l’informatica 101 è solo rimanere
come sottostringa o come una sottosequenza ma
è come se prendessi tutte le 22 parole e
sequenze o le tre sequenze di parole
e roba del genere è che noi
stavamo eseguendo questo in sequenza di tasti così così
anche se qualcuno digita in quattro parole
quello era 10 richieste HTTP per battitura
e naturalmente potrebbero fare molto di più
che rischia di rovinare certamente il nostro
cerca API ma forse anche il loro browser
se fosse troppo, sapevo che questo era un
problema e questo non avrebbe funzionato
e abbiamo avuto due settimane per farlo andare così
Ho pensato ciò che chiunque avrebbe avuto
fatto nella mia situazione o almeno in qualche modo
la maldestra strategia che ho fatto una lista di
fermare le parole così come da e in queste sono
parole veramente frequenti nelle loro parole
che sicuramente sappiamo che non vogliamo
cercate così li ignoriamo il secondo
la cosa che ho fatto è stata questa nel secondo
termini di colonna che sono iniziati con la parola
in o terminato con la parola in o di like
parole come questa sono molto improbabili
qualcosa stiamo cercando un’eccezione
sarebbe fuori di topi e uomini ma puoi farlo
immagina un pochino di loro così che cosa ho fatto
è googlato quello che è
in e di come è la parte di
discorso sai che esiste un ramo di
linguistica sapevo che almeno in un in
uno di sono chiamati preposizioni e il
altri sono come x + 4 e cose
così facendo filtrando le parole
che è finito in una preposizione che siamo stati in grado
per ottenere come metà di loro andato e il
l’ultima colonna, naturalmente, sarebbe stata la pioggia
quando stiamo già cercando la pioggia no
la pioggia è come un album pop o dalla Corea
o qualcosa, ma la pioggia è ridondante
quando si dispone già di pioggia perché uh
e i nostri determinatori um così tanto appena
applicando questi tre filtri era come
un piccolo pomeriggio di JavaScript che ero
in grado di ottenere questi dieci e grammi fino a
tre che tipo di salvare il giorno e
possiamo andare avanti così
dato il successo che ho avuto ci sono questi
gli strumenti esistenti è una specie di
panorama dell’elaborazione del linguaggio naturale
come è oggi sono un otk è il più
il più popolare probabilmente è anche come
diversi gigabyte che devi eliminare
stanza e il tuo disco fisso per usarlo
gli altri quelli che non sono affatto critica
di queste cose sono eccellenti ma
il mio favore è la tigre dell’Illinois I
significa Chicago ma fatto nel campus in giù
la strada il cui nome o champagne vannah
Penso che sia chiamato comunque, quindi
questi di terze parti e quali
a volte sono in realtà solo involucri per
le librerie più comuni ci sono a
corso un sacco di valore aggiunto con
il letto Liam cement e così via ma um
è un affare molto grande e se sei a
hackathon o hai due settimane prima
la tua startup ha bisogno di lanciare sta andando
essere duro per metterlo nel tuo stack
proprio come questi sono molto seri
prodotti per usarli e ciò che è peggio è
che molti di loro sono stati fatti sapere
gli anni ’80 o almeno hanno il loro
storia dagli anni ’80 quindi se vuoi
ottenere come XML da loro sai bene
fortuna un sacco di tempo quindi è a
cultura diversa non sono troppo critico
certo, ma penso di aver trovato un posto
dove è stato effettivamente utile perché
ricorda come le tre linee di
JavaScript che ho usato come il tipo di
il metodo del piede di porco dell’hockey che potevo ottenere
i miei 10 n-grammi giù a tre così io sono
quindi mi sembrava che potesse essere hackerato come me
Non volevo sedermi e scrivere il mio
proprio motore di elaborazione del linguaggio naturale
ma ho iniziato a sapere perché noi
pensiamo al linguaggio come a una cosa gigantesca
trascorrere la maggior parte della nostra vita ha bisogno di una lettura
scrivere, parlare o scrivere, ma quanto è grande
è davvero come la tettoia hacked questo è
questa immagine è la stampa di Wikipedia
e attualmente è 5,1 milioni e ma
è così che la lingua grande è una risposta breve
è che il TLDR è che è in realtà
davvero piccolo e lo vedremo
succede così questo è zip slaw ecco
questo è un George Zipp che ha un tedesco
nome ma penso che fosse americano
linguista negli anni ’40 cosa fa lui
guardato tutte le parole tutte le
lingue nel mondo e ha fatto a
analisi della frequenza di frequenza del
parole e ha trovato che tutti si adattano
esattamente la stessa curva come non importa se
è arabo o tedesco o inglese loro
tutti in cima sarebbe l’in
Inglese almeno la parola più frequente
e poi ti piace il tipo di caduta
fuori dove è come una sedia e un tavolo
ma poi hai parole che sentirai
una volta o due nella tua vita e allora
succede che se stiamo effettivamente usando
lingua Oh un’altra cosa che ho difetto
è che in realtà si applica anche a
caratteri e parole in una sorta di
coincidenza bizzarra come II è la più
lettera o carattere frequente in inglese
e poi cade molto rapidamente come
beh, le persone hanno guardato questo in modo simile
canzoni di balene e trovato il difetto o simili
quello zippy e la distribuzione là come
così alcune persone parlano sul
cerca gli alieni come in come fai tu
rilevare un messaggio è comunicazione o
linguaggio e non alcuni fenomeni naturali
la gente vuole cercare il difetto di sorseggiare in questo
comunque è piuttosto interessante ma io
non andrà in esso cosa più importante da
so è che è solo molto ripida
curva così se noi se disegniamo il nostro filtro
fuori al punto che possiamo effettivamente coprire
conosci il novantacinque per cento dell’inglese
molto velocemente la stessa cosa per il vocabolario
quando parli di quanto è grande un vocabolario
è sopra qualcuno c’è molto simile
questo tipo di atteggiamento sfacciato è come
con il QI, come la gente parlava di QI
una sorta di misura scientifica uguale
la cosa vale per come con il vocabolario
anche la taglia
Sono quasi tutto sistemato e questo
30.000 marchi dovrebbe essere come
quelle linee che stanno andando sopra mi piacciono
se vai a Yale o qualcosa del genere ma è così
non così male se prendi tutto il
opere di Shakespeare e tu li dividi
di parole ovviamente è un po ‘alto
un po ‘più complicato perché alcuni termini
sono come più parole ma così via
arriva a circa trentamila marchi a
bene così io sono non sarà
raddoppiare non sarà la metà di
che se gli diamo un piccolo spazio per
50.000 marchi solo per rendere facile la nostra matematica
in realtà è ancora molto piccolo se
tu stampi che l’ho fatto se hai stampato
50.000 parole per trasformarlo in un testo
file e quanto è grande questo è 600 a
uccidi consigli se hai una start-up e
hai un’immagine di sfondo sul tuo
sito web che è a schermo intero che è come
due o tre megabyte proprio come te
parlando ogni parola di inglese che
parlerai mai se ne avessi un po ‘
microfono all’orecchio dal momento
sei nato per il momento in cui muori come tutti
di quelle parole sono più piccole di quelle
immagine su un sito web e questo è il
distribuzione di parole in wordnet se tu
non conosco Wordnet è abbastanza bello
è fondamentalmente l’unico
interessante progetto in linguistica che
tutti usano il suo come il punto di riferimento
è un dizionario ma ciò che lo rende
interessante è che è un dizionario
diviso per senso, quindi la parola sarebbe calda
apparire come sexy ma anche apparire come
caldo come in temperatura anche caldo come in
come l’elettricità che passa attraverso un filo
il filo è caldo così avanti e si divide
fuori così e poi fa tutto
quella specie di difficile scissione
che non vorresti fare se
stai facendo un progetto usando il linguaggio
ma comunque questa è la distribuzione
di parole e parole netti la cosa principale a
nota che è il settanta per cento dei nomi
giusto la maggior parte del linguaggio naturale
kit di strumenti di elaborazione che ho visto in effetti
tutti loro e quando stanno cercando di
riconoscere una parola che non sanno di loro
non l’hanno visto nel loro lessico loro
non riconoscerlo con nessun altro
regole o strumenti a cui ricorrono sempre
un nome e ha senso che tu sappia
immagina se dico la parola lactobacillus
e tu non sei un biologo, non lo fai
sai cosa è ma non lo sei
pensando che tu stia andando
lactobacillus al negozio quindi non è un
scrivi un’altra cosa che ti piacerà
quella persona è davvero lactobacillus
la maggior parte delle cose sono sostantivi, quindi se tu se tu
presumi che torni a
e ora e se non sai cosa sia
puoi eliminarli tutti e solo
ricadere su quelli che non conosci
siamo passati da seicento
kilobyte a 180 kilobyte andiamo
per andare oltre questo è come le parole
coniugare come sappiamo se conosci il
parola pomodoro e conosci le regole di
La grammatica inglese sai anche quella parola
pomodori e potenzialmente pomodoro se
qualcosa ha un sacco di pomodori o
qualcosa diventa più probabile saperlo
tu pomodoro io sono nel software
l’industria siamo piuttosto colpevoli di abusare
questo è veloce e veloce
velocemente e cose come questa in un in
commento giornalismo sportivo hai a
molto abuso di questo aggressivo
problema dell’aggressività aggressività non lo sono
una grammatica snob ma tu vedi come le parole
Sto passando di nascosto tra diversi tempi
e di solito è solo il suffisso
cambiamenti in inglese almeno così ovviamente
ci sono delle eccezioni ma vedi che vedi
i verbi tendono a muoversi e così se
conosci uno di loro che conosci tutto
loro e convertendoli non sono stato io
non parlerò di un verbo
coniugazione ma puoi immaginare che lo sia
solo una serie di trasformazioni te
sai se hai un aspetto davvero delicato
numero di espressioni regolari che puoi
coprire la maggior parte di loro quindi sì, così siamo andati
da sei storie siamo passati da sei
cento kilobyte a 180 numero 110
kilobyte questo è ricordare questo è tutto
parola che sentirai nel tuo insieme
lingua in tutta la tua vita in 110
kilobyte se tu se sei un web
sviluppatore lo saprete questo
grafico questa è la dimensione del file di più
biblioteche comuni e stanno crescendo come
il tempo va avanti, ma ricorda come
è piccolo 110 kilobyte non compressi
questo è questo inaudito di quanto piccolo
è pazzesco che non lo siamo
quasi lo importa su ogni sito
ma puoi vedere come sono caduto
questo dove ho iniziato a credere
in questo essere una cosa che possiamo effettivamente fare
e usare e quello sarebbe uno strumento utile
okay, quindi abbiamo parlato del lessico di
questo questo tipo di sequenza di come io
fare tag di parte del discorso in PNL
il primo compromesso è il lessico, quindi noi
ha stabilito una lista davvero grande di parole
e se la parola capita di essere in quello
elenca che conosciamo la parte del discorso e
la seconda cosa sono le regole del suffisso che
abbiamo parlato brevemente come questo è un
per esempio, se la parola termina, per esempio
davvero probabile che sia un avverbio giusto per te
hanno eccezioni come volare o rispettare ma
la maggior parte delle parole in inglese che nly o
come rapidamente subito e così via
se hai davvero un’attenzione regolare
espressioni che puoi effettivamente identificare
le parole dal loro suffisso e il terzo
terzo sono di livello che parlerà di come
beh è una sorta di livello di frase di Markov
tipo di catena tratta dove se tu ho io sono
so che ho intenzione di aspettare fino al sito web per
parlarne ma in ogni caso questi sono i
tre sequenze di come e non essere
compromesso solo una parte della codifica vocale
e probabilmente sto diventando abbastanza preciso
risultati da ciò è la stampa vera e propria
del file sono quando parlo di a
elenco di espressioni regolari che non sono
scherzando è piuttosto brutale, lo so che c’è
modi più puliti e migliori per farlo, ma
funziona funziona abbastanza bene ed è sotto
un millisecondo ed è abbastanza preciso come
bene puoi vedere che sosteniamo come tempi
e sono pm e cose del genere, quindi questo è
la regola del livello dei dissenzienti così quando siamo
parlando di lei potrebbe camminare la passeggiata
la giusta camminata nella prima situazione è a
il verbo e camminare in una seconda situazione è un
sostantivo quindi questo è il livello della frase
l’elaborazione arriva come se avessimo
il verbo della sequenza determina un verbo della storia
verbo determinante sappiamo che qualcosa è
sappiamo che abbiamo interpretato male il
frase giusta quando sto parlando nel tuo
ascoltando e viceversa stiamo facendo
che tutto il tempo nella tua testa come
sentiamo le parole che arrivano li facciamo
un piccolo errore da qualche parte e poi come
sentiamo le prossime parole che cambiamo
ipotesi e questo è proprio quello che
L’ho fatto, l’ho elencato a
sai che puoi ottenere il corpus
Wikipedia o altro e basta elencare
il numero di volte in cui vedi il
situazione del verbo determinatore del verbo e
sono molto piccoli comunque, pensavo
ci sarà una grande parte di fuoco
taggatura vocale senza compromessi
è davvero molto è diventato molto
piccola parte del progetto se si guarda
una sorta di tutte le routine che eseguiamo
se importiamo un romanzo o qualcosa del genere
e ad Emily compromette questo metodo
in realtà viene colpito colpito poche volte così
quello era sorprendente quindi insomma
riassumili puoi fare un accurato
parte del discorso Tiger molto facilmente e
non è per screditare il duro lavoro
questo è stato fatto dalle persone brillanti
su come carriere e carriere in questo
settore, ma in realtà è abbastanza facile
arrivare a metà dell’80 percento con precisione
a volte ci sono queste conferenze
sapere dove tutto il computazionale
i linguisti andranno e vorrebbero
combatti con le unghie e denti su di te
qualcuno ha ottenuto un documento di due punti-otto
precisione percentuale su questo test e
qualcuno ha 93.1 ed è come il
più grande differenza ma ricordate che
questi termini come te possono leggere a
frase nell’interpretarlo a senso unico e
Sono un raggio interpretare in altro modo
c’è qualcosa di soggettivo
quantità di così grande così così non lo faccio
attribuisci molto valore a questi
ci sono cose più importanti per questo
ricevuta quindi accuratezza con loro utilizzando
linguaggio nel software quindi parleremo a
un po ‘di loro, ma è abbastanza
facile e se vuoi rotolare il tuo
puoi farlo nel pomeriggio va bene così
questo è dove sono arrivato con questo
progetto è piuttosto interessante e io
non sapevo cosa stavo facendo quando ho
iniziato ma ho trovato che sai che ho capito
email da parte di persone presso la banca al dettaglio
com indirizzi e-mail che dicono quanto sia utile
è stato anche nel loro lavoro
sai che le offerte di lavoro e cose simili
questo io ho da quando mi ha lasciato il lavoro
all’avvio, lo faccio più o meno
tipo di lavoro a tempo pieno ora quale è
che è pazzesco per me, perché io davvero
non so cosa sto facendo questo è uno
un esempio di quello che pensavo fosse divertente
dove vorremmo negare una frase del genere
continua a rockeggiare nel mondo libero come
non continua a scuotere nel mondo libero
non continuare come continua a fare rock in the
non libero o come quello che è lui come te
è stato davvero uno scherzo, ma vedi
github come ho piegato in 14 richieste di pull
come possiamo persone che usano cose come questa io
non so cosa lo stanno usando per ma
è divertente abbastanza um esso si dice solo che è
come un forse non ero sicuro se fossi
lo dirò forse lo farò un po ‘
un commento sull’industria di
linguistica computazionale come questo
non esiste già sai che ci sono
così tante persone che lavorano in questa roba e
la cultura deve funzionare davvero
difficile e avere una scadenza e scrivere un
carta accademica e poi non la tua
l’attenzione non è sull’avere qualcosa di giocoso
affinchè la gente li ispiri per usarli dentro
il loro progetto del fine settimana è giusto
non è quello che le persone stanno facendo
questo ha una risposta enorme almeno
questo è quello che ho trovato questo altro esempio
quindi ho provato a rendere questo genere di cose
estensibile come un plug-in come come
jquery l’ha fatto e io l’ho fatto davvero
quello semplice era convertire qualcosa
nel tipo di ragazza della valle di parlare
dove prendi un tutto dopo copula
aggiungi come se fosse una figata
biblioteca e stiamo cercando di fare cose
così facilmente non lo so
questo è un esempio un po ‘sfacciato
qualcuno ha fatto un chewbacca vinto e roba
così, ma puoi vedere come questa roba
è divertente da fare e alla gente piace fare
c’è il mio preferito ma di tutto ciò che è
quello che trasforma il giornale
titoli e poi ogni nome che aggiunge
cyber di fronte ad esso così cyber putin band
le armi nucleari cyber o comunque lo è
abbastanza divertente e così l’industria ma è anche
uno strumento utile perché la lingua dovrebbe essere
capace di essere manipolato come questo
cosa ho lavorato su notizie sono sorta
di cercare e sostituire o abbinare come
sorta di reg ex come partita per la lingua
quindi esempi come questo dove dopo
ogni determinatore che si desidera inserire a
la parola dovrebbe essere veramente veloce
sintassi per essere in grado di farlo adesso
se vuoi farlo solo con
personaggi non lo è
così facile e la diapositiva più importante di
tutto in questo discorso è questo ed è
facile da portare via quando hai un
cinque per cento di precisione o ottantasei
precisione percentuale, ma la più importante
cosa da ricordare è questa diapositiva questi
sono due frasi che abbiamo dato alle scimmie
le banane perché erano maturi noi
ha dato alle scimmie le banane perché
erano affamati uno dei più banali
o come cose apparentemente banali da fare
in PNL si chiama Anna per la risoluzione o
la risoluzione pronome dove erano
nella seconda frase si riferisce al
scimmie perché loro perché le scimmie sono
affamati o cose che possono essere affamate e
loro nella prima situazione si riferiscono al
banane perché le banane lo sai
frutta e frutta e cose così che possono
essere maturi e roba vale la pena così per
interpretarlo è molto semplice
cosa che potresti fare in un
la frase appena capisce cosa
pronome è impossibile fino a quando tu
sappi che tutta questa conoscenza è come
le scimmie sono animali e animali sei tu
conosci i marsupiali, non lo so, ma lo sono
c’è un livello di conoscenza che è
necessario per comprendere appieno questo
quindi se qualcuno ti dice che sono
facendoti sapere più novantacinque
precisione percentuale e nulla come chiedere
loro dove è la loro base di conoscenze
quando hanno inventato un io non ne sono sicuro
avrebbero colpito così di solito quando ci provi
per capire una frase e una sorta di
andando dal basso verso l’alto abbiamo dato loro un
kisa bananas come una stringa di caratteri
quindi questo è solitamente il modo in cui lavoriamo
linguaggio come programmatori di computer e noi
ci piace una specie di macchina statale regolare
espressioni così ga ve e così via I
ti incoraggerei quando lavori
con il linguaggio per fare un passo avanti non lo sono
sicuro se sono stato troppo di un
maestro manipolatore ma lavorando con parte
di etichette vocali è molto più facile di
lavorare con i personaggi perché sai
hai tutte queste diverse situazioni
una cosa è che stiamo lavorando davvero
duro sul coinvolgimento e sulla volontà delle persone
essere contrazioni contrazioni di compromessi
sono cose come se non fosse o apostrofo
o ‘ NT e così via io non vuoi
farsi prendere su
roba del genere se sei se l’utente è
digitando si sa che hanno una scatola bianca
Tipo in cose che stanno andando a digitare una
molte cose pazze e tu non vuoi
lasciati coinvolgere in cose del genere e te
non voglio che i tuoi sviluppatori debbano essere
scrivendo conosci i casi per gestirlo
i casi di contrazione lo gestiscono
roba di contrazione come quella parte del discorso
prenderlo è davvero utile se ne hai uno
strumento come questo è proprio come uno
chiamata al metodo e hai questi tag e
allora puoi gestirli vendere per il
al livello successivo che qualcosa non so
nulla su ma trovo interessante
è chiamato l’analisi delle dipendenze
a volte vedi se hai preso un
classe di linguistica vedi persone giuste
fuori come un ramo come un albero di sintassi
si chiama siamo come la parola dare
qui si applica al nome come si applica a
le scimmie quindi abbiamo dato e poi
dopo tutto quello che hanno dato
è difficile farlo è davvero difficile da fare
non ho letto abbastanza su di esso per iniziare
farlo senza il compromesso, penso
dovrei pensare mi piacerebbe provarlo
meno um ma l’ultimo livello è ovviamente
di cosa ho parlato del tipo di
strategia del motore di conoscenza dove sai
che scimmia sai che è Aruba Diana?
sai che dare significa come il
trasferimento volontario di beni bla bla
come la gente chiamava questo livello
Ho usato psiche o psiche aperta negli anni ’80
chiamare questo livello freebase e entrambi
quei progetti sono morti in
la moda spettacolare sono molte persone
chiamandolo wiki wiki data now that level
Corro gli occhi quando la gente lo dice così
non so cosa vedrà
come molte persone ci stanno lavorando
e un sacco di persone intelligenti stanno lavorando
a volte questo a volte il
le soluzioni sono troppo intelligenti, quindi non lo so
che aspetto avrà ma
questa è ovviamente la modalità interessante così
l’ultima scorre le cose che stiamo lavorando
in questo momento se vuoi essere coinvolto
quando la gente parla di progetti github
come una sorta di panacea della democrazia II am
Ho incontrato un sacco di cattiveria
mantenere errori del progetto software I
non così mi sento sempre il mio
lo sfondo è da Wikipedia quindi lo sono sempre
senti come le persone dovrebbero essere in grado di fare a
molto diverso
è di ottenere aiuto, quindi sono insistente per essere
il più premuroso e simpatico
manutentore e github quindi per favore
coinvolto una cosa che è essere
discusso in questo momento è l’immutabile
problema immutabile molte persone sono
parlando di un JavaScript, ma io sono se
vuoi cambiare un verbo ad un altro
per esempio teso e vuoi catena
quello in esso un’altra cosa adesso
ogni metodo restituisce questo tranne che per
alcuni di loro che non restituiscono questo così
è un po ‘duro alcuni dei
le cose di cui stiamo parlando stanno facendo
come la macchina degli eventi sorta di registrazione così
puoi invertirlo e viaggiare nel tempo e
vendere ragazzi, ci sono idee chiare che lo faranno
significa un grande refactore API l’altra cosa
è la velocità e le prestazioni um adesso
Non sono compromesso capirò
la frase in circa otto millisecondi
in media, che non sembra molto
molto ma se metti un romanzo in esso potrebbe essere
come 20 secondi o qualcosa del genere
che va bene per alcune situazioni
ma sicuramente non tutti sono io
certo possiamo ridurlo a metà
con qualche caching o qualcosa del genere
se ti interessa, per favore
contattami e l’altra cosa di 22 di
Ovviamente si sta dividendo in modo diverso
lingue molto di questi veramente intelligenti
i motori di elaborazione del linguaggio naturale sono
in grado di piacere fin dall’inizio di fare qualsiasi
la lingua che vuoi puoi mettere
Klingon e capirà
sai che non ci siamo assolutamente
vorrebbe iniziare a lavorare su un simile
libreria javascript basata su regole che
coniuga i verbi in portoghese spagnolo
Francese e così via, una delle cose come
un’altra critica al computazionale
campo della linguistica è davvero difficile
ottenere dati come sviluppatore web più persone
qui sai se vuoi provare
qualcosa di strano e funky lo farai
trova che 100 altre persone hanno provato
nel loro stack overflow e roba del genere
questo non c’è un eccesso di stack per
questo campo e molto significa leggere
documenti e inviare per e-mail le persone e
dicendo hey posso usare quel set di dati e
non avrai mai i dati corretti è solo
come se non fosse una cultura della condivisione, quindi sono
quindi la parte difficile di quel punto è
ottenendo in realtà una buona serie di dati di verbo
coniugazione
allenarsi sull’ultima cosa, naturalmente, è
che ho detto prima di provare a fare
questo il d3 di testo e una cosa che
è stato davvero d’aiuto con i tre jess
è questa sorta di scena demo dove
ha reso davvero facile fare qualcosa
cool e condividilo e il codice
era lì per copiare e incollare così sono
cercando di pensare a modi per fare questo e
se qualcuno ha una buona idea, penso
tonico musicale forse o qualcosa di simile
dove puoi puoi fare una sorta di
un bell’esempio e condividilo così
Vengo da Toronto se mai vorrai avere
una birra o un caffè che è dove abbiamo un
gruppo lento se vuoi unirti a me
Spencer mountain su Twitter grazie
molto penso che ah penso che abbiamo un
pochi secondi per domande hey boodle è
sta andando a soos il tuo primo oh sì così a
ripeti la domanda è buona
non c’è una sorta di pregiudizio sistematico
in ogni interpretazione come è è come
uno standard per l’analisi grammaticale come
un punto controverso o un compito impossibile, penso
questo è un buon punto in cui sono arrivato di recente
qualche problema con oh mio non um, no
fallo è interessante penso che sia un
discussione fantastica okay sì no, questo è un
ottimo punto ed è giusto e così
sarebbe una critica dell’intero
industria del linguaggio naturale oh scusa si
esattamente sì ho preso la domanda o
il commento è è l’interpretazione di
significa come um non importa come
complicato è se è come un
metafora o qualsiasi cosa è ciò che può essere
gestito anche con un vero sistema di base
Io sì sì sì, penso di sì
ha lavorato su molte cose che non sono
permesso di parlare di questo sono molto
simile sono come se fosse qualcosa
che vorresti fare
statisticamente giusto dove dire se io così tanto
in Gran Bretagna se dici martellato o cosa
è rotto uno di loro significa stanco
martellato significa stanco in Gran Bretagna
emorroidi significa ubriaco in America così
ci saranno cose del genere e
anche tu sai come classe e cose del genere
che quindi c’è un sacco di coinvolgimento
qualcuno interpreta le cose quindi è necessario
ne so molto su di loro ma è così
come una cosa statistica sai nove
tempi su dieci mezzi martellati sono stati distrutti
o bevuto qualunque cosa quindi è molto
problema interessante che ti incoraggio a
lavoraci bene grazie mille
Spencer
conferenze come queste sono le migliori
quando un ingegnere senior ha 10 anni
di esperienza nel mio campo non documentato
è in grado di tipo di prendere l’ora e
parla delle cose che hanno imparato
che se è difficile, questo non è assolutamente
che parliamo invece questo sono io una specie di
sviluppatore web schifoso senza esperienza
in linguistica o qualcosa di simile
un livello irragionevole di successo con
questa biblioteca ha costruito una sorta di lato
progetto si chiama MLP compromettere il
l’idea è che è un linguaggio naturale
toolkit è simile a quello che è fuori
c’è già accettato un javascript
file alla fine della giornata è possibile npm
installalo ed è circa della stessa dimensione
come jquery compresso non sono solo il
linguaggio naturale più accurato
il motore di elaborazione è sicuro ma lo è
abbastanza buono da qui il nome NLP
compromesso um e il livello sorprendente
di successo che ho avuto con questa cosa
mi ha fatto pensare che mi piacesse davvero
inciampò in un buco dove dove questo
l’offerta non è stata ancora scritta e
dovrei essere così questo è il più upvoted
commenta sempre su TechCrunch dice Gaia
è ciò che quattro anni fa cinque anni fa
quando / stava appena iniziando e lui ha detto che
avere 30 anni di esperienza in una macchina
condividere l’industria e qui le ragioni per lui
dà questi grandi argomenti perché è uber
non andando a lavorare il da asporto
questo è quello che a volte è un
non esperto è in realtà una buona cosa
giusto perché ti piace correre dritto dentro
i problemi che altre persone ti conoscevano
stavano andando a correre direttamente in e
a volte sei in grado di tirarli fuori
quindi scriverò brevemente su um come ottengo
in questa roba come sono caduto nel
Foro di coniglio in linguaggio naturale
l’elaborazione che stavo risolvendo mi avvio
siamo a due settimane dal lancio
un po ‘uno scherzo, perché ogni avvio era
due settimane dall’osservazione ma eravamo e
eravamo pronti per il test degli utenti
e il suo principale invito all’azione era
qualcosa come questo dove c’è un
casella di ricerca e ci aspettiamo che gli utenti
scrivendo cose um ero il tipo di ricerca um
Ho importato tutti gli articoli di Wikipedia
in una ricerca elastica e noi eravamo
mi aspetto cose come questa in cui le persone
scriverebbe qualcosa che sapevamo ma loro
farebbe errori di ortografia in questo modo
cosa è successo quando sono arrivati gli utenti
la prima persona digitata in questa Londra a
la pioggia e non abbiamo quello che è
non un articolo di Wikipedia la prossima persona
digitato in quel nuovo iPhone d’oro e noi
non ce l’avevo, quindi è brutale e
è stata tutta colpa mia e il mio capo ha chiamato
io nel suo ufficio, quella sera, ragazzi
avevo il sospetto che potessi essere licenziato ma lui lo è
un ragazzo molto carino, ha detto Spencer, lo sai
abbiamo questo termine Londra sotto la pioggia noi
non ho la partita completa, ma abbiamo
la parola Londra, quindi perché non solo
abbattuto ogni parola e cercarli
come ripiego quando non abbiamo il
Piena cosa ora sapevo che alcuni dei nostri
termini sono due caratteri o due parole o
tre parole come Londra Ontario nel
pioggia o Paris Hilton sotto la pioggia così
avanti quindi non è così facile lo sapevo
quello che dovevamo fare era un n-grammo se tu
ha preso l’informatica 101 è solo rimanere
come sottostringa o come una sottosequenza ma
è come se prendessi tutte le 22 parole e
sequenze o le tre sequenze di parole
e roba del genere è che noi
stavamo eseguendo questo in sequenza di tasti così così
anche se qualcuno digita in quattro parole
quello era 10 richieste HTTP per battitura
e naturalmente potrebbero fare molto di più
che rischia di rovinare certamente il nostro
cerca API ma forse anche il loro browser
se fosse troppo, sapevo che questo era un
problema e questo non avrebbe funzionato
e abbiamo avuto due settimane per farlo andare così
Ho pensato ciò che chiunque avrebbe avuto
fatto nella mia situazione o almeno in qualche modo
la maldestra strategia che ho fatto una lista di
fermare le parole così come da e in queste sono
parole veramente frequenti nelle loro parole
che sicuramente sappiamo che non vogliamo
cercate così li ignoriamo il secondo
la cosa che ho fatto è stata questa nel secondo
termini di colonna che sono iniziati con la parola
in o terminato con la parola in o di like
parole come questa sono molto improbabili
qualcosa stiamo cercando un’eccezione
sarebbe fuori di topi e uomini ma puoi farlo
immagina un pochino di loro così che cosa ho fatto
è googlato quello che è
in e di come è la parte di
discorso sai che esiste un ramo di
linguistica sapevo che almeno in un in
uno di sono chiamati preposizioni e il
altri sono come x + 4 e cose
così facendo filtrando le parole
che è finito in una preposizione che siamo stati in grado
per ottenere come metà di loro andato e il
l’ultima colonna, naturalmente, sarebbe stata la pioggia
quando stiamo già cercando la pioggia no
la pioggia è come un album pop o dalla Corea
o qualcosa, ma la pioggia è ridondante
quando si dispone già di pioggia perché uh
e i nostri determinatori um così tanto appena
applicando questi tre filtri era come
un piccolo pomeriggio di JavaScript che ero
in grado di ottenere questi dieci e grammi fino a
tre che tipo di salvare il giorno e
possiamo andare avanti così
dato il successo che ho avuto ci sono questi
gli strumenti esistenti è una specie di
panorama dell’elaborazione del linguaggio naturale
come è oggi sono un otk è il più
il più popolare probabilmente è anche come
diversi gigabyte che devi eliminare
stanza e il tuo disco fisso per usarlo
gli altri quelli che non sono affatto critica
di queste cose sono eccellenti ma
il mio favore è la tigre dell’Illinois I
significa Chicago ma fatto nel campus in giù
la strada il cui nome o champagne vannah
Penso che sia chiamato comunque, quindi
questi di terze parti e quali
a volte sono in realtà solo involucri per
le librerie più comuni ci sono a
corso un sacco di valore aggiunto con
il letto Liam cement e così via ma um
è un affare molto grande e se sei a
hackathon o hai due settimane prima
la tua startup ha bisogno di lanciare sta andando
essere duro per metterlo nel tuo stack
proprio come questi sono molto seri
prodotti per usarli e ciò che è peggio è
che molti di loro sono stati fatti sapere
gli anni ’80 o almeno hanno il loro
storia dagli anni ’80 quindi se vuoi
ottenere come XML da loro sai bene
fortuna un sacco di tempo quindi è a
cultura diversa non sono troppo critico
certo, ma penso di aver trovato un posto
dove è stato effettivamente utile perché
ricorda come le tre linee di
JavaScript che ho usato come il tipo di
il metodo del piede di porco dell’hockey che potevo ottenere
i miei 10 n-grammi giù a tre così io sono
quindi mi sembrava che potesse essere hackerato come me
Non volevo sedermi e scrivere il mio
proprio motore di elaborazione del linguaggio naturale
ma ho iniziato a sapere perché noi
pensiamo al linguaggio come a una cosa gigantesca
trascorrere la maggior parte della nostra vita ha bisogno di una lettura
scrivere, parlare o scrivere, ma quanto è grande
è davvero come la tettoia hacked questo è
questa immagine è la stampa di Wikipedia
e attualmente è 5,1 milioni e ma
è così che la lingua grande è una risposta breve
è che il TLDR è che è in realtà
davvero piccolo e lo vedremo
succede così questo è zip slaw ecco
questo è un George Zipp che ha un tedesco
nome ma penso che fosse americano
linguista negli anni ’40 cosa fa lui
guardato tutte le parole tutte le
lingue nel mondo e ha fatto a
analisi della frequenza di frequenza del
parole e ha trovato che tutti si adattano
esattamente la stessa curva come non importa se
è arabo o tedesco o inglese loro
tutti in cima sarebbe l’in
Inglese almeno la parola più frequente
e poi ti piace il tipo di caduta
fuori dove è come una sedia e un tavolo
ma poi hai parole che sentirai
una volta o due nella tua vita e allora
succede che se stiamo effettivamente usando
lingua Oh un’altra cosa che ho difetto
è che in realtà si applica anche a
caratteri e parole in una sorta di
coincidenza bizzarra come II è la più
lettera o carattere frequente in inglese
e poi cade molto rapidamente come
beh, le persone hanno guardato questo in modo simile
canzoni di balene e trovato il difetto o simili
quello zippy e la distribuzione là come
così alcune persone parlano sul
cerca gli alieni come in come fai tu
rilevare un messaggio è comunicazione o
linguaggio e non alcuni fenomeni naturali
la gente vuole cercare il difetto di sorseggiare in questo
comunque è piuttosto interessante ma io
non andrà in esso cosa più importante da
so è che è solo molto ripida
curva così se noi se disegniamo il nostro filtro
fuori al punto che possiamo effettivamente coprire
conosci il novantacinque per cento dell’inglese
molto velocemente la stessa cosa per il vocabolario
quando parli di quanto è grande un vocabolario
è sopra qualcuno c’è molto simile
questo tipo di atteggiamento sfacciato è come
con il QI, come la gente parlava di QI
una sorta di misura scientifica uguale
la cosa vale per come con il vocabolario
anche la taglia
Sono quasi tutto sistemato e questo
30.000 marchi dovrebbe essere come
quelle linee che stanno andando sopra mi piacciono
se vai a Yale o qualcosa del genere ma è così
non così male se prendi tutto il
opere di Shakespeare e tu li dividi
di parole ovviamente è un po ‘alto
un po ‘più complicato perché alcuni termini
sono come più parole ma così via
arriva a circa trentamila marchi a
bene così io sono non sarà
raddoppiare non sarà la metà di
che se gli diamo un piccolo spazio per
50.000 marchi solo per rendere facile la nostra matematica
in realtà è ancora molto piccolo se
tu stampi che l’ho fatto se hai stampato
50.000 parole per trasformarlo in un testo
file e quanto è grande questo è 600 a
uccidi consigli se hai una start-up e
hai un’immagine di sfondo sul tuo
sito web che è a schermo intero che è come
due o tre megabyte proprio come te
parlando ogni parola di inglese che
parlerai mai se ne avessi un po ‘
microfono all’orecchio dal momento
sei nato per il momento in cui muori come tutti
di quelle parole sono più piccole di quelle
immagine su un sito web e questo è il
distribuzione di parole in wordnet se tu
non conosco Wordnet è abbastanza bello
è fondamentalmente l’unico
interessante progetto in linguistica che
tutti usano il suo come il punto di riferimento
è un dizionario ma ciò che lo rende
interessante è che è un dizionario
diviso per senso, quindi la parola sarebbe calda
apparire come sexy ma anche apparire come
caldo come in temperatura anche caldo come in
come l’elettricità che passa attraverso un filo
il filo è caldo così avanti e si divide
fuori così e poi fa tutto
quella specie di difficile scissione
che non vorresti fare se
stai facendo un progetto usando il linguaggio
ma comunque questa è la distribuzione
di parole e parole netti la cosa principale a
nota che è il settanta per cento dei nomi
giusto la maggior parte del linguaggio naturale
kit di strumenti di elaborazione che ho visto in effetti
tutti loro e quando stanno cercando di
riconoscere una parola che non sanno di loro
non l’hanno visto nel loro lessico loro
non riconoscerlo con nessun altro
regole o strumenti a cui ricorrono sempre
un nome e ha senso che tu sappia
immagina se dico la parola lactobacillus
e tu non sei un biologo, non lo fai
sai cosa è ma non lo sei
pensando che tu stia andando
lactobacillus al negozio quindi non è un
scrivi un’altra cosa che ti piacerà
quella persona è davvero lactobacillus
la maggior parte delle cose sono sostantivi, quindi se tu se tu
presumi che torni a
e ora e se non sai cosa sia
puoi eliminarli tutti e solo
ricadere su quelli che non conosci
siamo passati da seicento
kilobyte a 180 kilobyte andiamo
per andare oltre questo è come le parole
coniugare come sappiamo se conosci il
parola pomodoro e conosci le regole di
La grammatica inglese sai anche quella parola
pomodori e potenzialmente pomodoro se
qualcosa ha un sacco di pomodori o
qualcosa diventa più probabile saperlo
tu pomodoro io sono nel software
l’industria siamo piuttosto colpevoli di abusare
questo è veloce e veloce
velocemente e cose come questa in un in
commento giornalismo sportivo hai a
molto abuso di questo aggressivo
problema dell’aggressività aggressività non lo sono
una grammatica snob ma tu vedi come le parole
Sto passando di nascosto tra diversi tempi
e di solito è solo il suffisso
cambiamenti in inglese almeno così ovviamente
ci sono delle eccezioni ma vedi che vedi
i verbi tendono a muoversi e così se
conosci uno di loro che conosci tutto
loro e convertendoli non sono stato io
non parlerò di un verbo
coniugazione ma puoi immaginare che lo sia
solo una serie di trasformazioni te
sai se hai un aspetto davvero delicato
numero di espressioni regolari che puoi
coprire la maggior parte di loro quindi sì, così siamo andati
da sei storie siamo passati da sei
cento kilobyte a 180 numero 110
kilobyte questo è ricordare questo è tutto
parola che sentirai nel tuo insieme
lingua in tutta la tua vita in 110
kilobyte se tu se sei un web
sviluppatore lo saprete questo
grafico questa è la dimensione del file di più
biblioteche comuni e stanno crescendo come
il tempo va avanti, ma ricorda come
è piccolo 110 kilobyte non compressi
questo è questo inaudito di quanto piccolo
è pazzesco che non lo siamo
quasi lo importa su ogni sito
ma puoi vedere come sono caduto
questo dove ho iniziato a credere
in questo essere una cosa che possiamo effettivamente fare
e usare e quello sarebbe uno strumento utile
okay, quindi abbiamo parlato del lessico di
questo questo tipo di sequenza di come io
fare tag di parte del discorso in PNL
il primo compromesso è il lessico, quindi noi
ha stabilito una lista davvero grande di parole
e se la parola capita di essere in quello
elenca che conosciamo la parte del discorso e
la seconda cosa sono le regole del suffisso che
abbiamo parlato brevemente come questo è un
per esempio, se la parola termina, per esempio
davvero probabile che sia un avverbio giusto per te
hanno eccezioni come volare o rispettare ma
la maggior parte delle parole in inglese che nly o
come rapidamente subito e così via
se hai davvero un’attenzione regolare
espressioni che puoi effettivamente identificare
le parole dal loro suffisso e il terzo
terzo sono di livello che parlerà di come
beh è una sorta di livello di frase di Markov
tipo di catena tratta dove se tu ho io sono
so che ho intenzione di aspettare fino al sito web per
parlarne ma in ogni caso questi sono i
tre sequenze di come e non essere
compromesso solo una parte della codifica vocale
e probabilmente sto diventando abbastanza preciso
risultati da ciò è la stampa vera e propria
del file sono quando parlo di a
elenco di espressioni regolari che non sono
scherzando è piuttosto brutale, lo so che c’è
modi più puliti e migliori per farlo, ma
funziona funziona abbastanza bene ed è sotto
un millisecondo ed è abbastanza preciso come
bene puoi vedere che sosteniamo come tempi
e sono pm e cose del genere, quindi questo è
la regola del livello dei dissenzienti così quando siamo
parlando di lei potrebbe camminare la passeggiata
la giusta camminata nella prima situazione è a
il verbo e camminare in una seconda situazione è un
sostantivo quindi questo è il livello della frase
l’elaborazione arriva come se avessimo
il verbo della sequenza determina un verbo della storia
verbo determinante sappiamo che qualcosa è
sappiamo che abbiamo interpretato male il
frase giusta quando sto parlando nel tuo
ascoltando e viceversa stiamo facendo
che tutto il tempo nella tua testa come
sentiamo le parole che arrivano li facciamo
un piccolo errore da qualche parte e poi come
sentiamo le prossime parole che cambiamo
ipotesi e questo è proprio quello che
L’ho fatto, l’ho elencato a
sai che puoi ottenere il corpus
Wikipedia o altro e basta elencare
il numero di volte in cui vedi il
situazione del verbo determinatore del verbo e
sono molto piccoli comunque, pensavo
ci sarà una grande parte di fuoco
taggatura vocale senza compromessi
è davvero molto è diventato molto
piccola parte del progetto se si guarda
una sorta di tutte le routine che eseguiamo
se importiamo un romanzo o qualcosa del genere
e ad Emily compromette questo metodo
in realtà viene colpito colpito poche volte così
quello era sorprendente quindi insomma
riassumili puoi fare un accurato
parte del discorso Tiger molto facilmente e
non è per screditare il duro lavoro
questo è stato fatto dalle persone brillanti
su come carriere e carriere in questo
settore, ma in realtà è abbastanza facile
arrivare a metà dell’80 percento con precisione
a volte ci sono queste conferenze
sapere dove tutto il computazionale
i linguisti andranno e vorrebbero
combatti con le unghie e denti su di te
qualcuno ha ottenuto un documento di due punti-otto
precisione percentuale su questo test e
qualcuno ha 93.1 ed è come il
più grande differenza ma ricordate che
questi termini come te possono leggere a
frase nell’interpretarlo a senso unico e
Sono un raggio interpretare in altro modo
c’è qualcosa di soggettivo
quantità di così grande così così non lo faccio
attribuisci molto valore a questi
ci sono cose più importanti per questo
ricevuta quindi accuratezza con loro utilizzando
linguaggio nel software quindi parleremo a
un po ‘di loro, ma è abbastanza
facile e se vuoi rotolare il tuo
puoi farlo nel pomeriggio va bene così
questo è dove sono arrivato con questo
progetto è piuttosto interessante e io
non sapevo cosa stavo facendo quando ho
iniziato ma ho trovato che sai che ho capito
email da parte di persone presso la banca al dettaglio
com indirizzi e-mail che dicono quanto sia utile
è stato anche nel loro lavoro
sai che le offerte di lavoro e cose simili
questo io ho da quando mi ha lasciato il lavoro
all’avvio, lo faccio più o meno
tipo di lavoro a tempo pieno ora quale è
che è pazzesco per me, perché io davvero
non so cosa sto facendo questo è uno
un esempio di quello che pensavo fosse divertente
dove vorremmo negare una frase del genere
continua a rockeggiare nel mondo libero come
non continua a scuotere nel mondo libero
non continuare come continua a fare rock in the
non libero o come quello che è lui come te
è stato davvero uno scherzo, ma vedi
github come ho piegato in 14 richieste di pull
come possiamo persone che usano cose come questa io
non so cosa lo stanno usando per ma
è divertente abbastanza um esso si dice solo che è
come un forse non ero sicuro se fossi
lo dirò forse lo farò un po ‘
un commento sull’industria di
linguistica computazionale come questo
non esiste già sai che ci sono
così tante persone che lavorano in questa roba e
la cultura deve funzionare davvero
difficile e avere una scadenza e scrivere un
carta accademica e poi non la tua
l’attenzione non è sull’avere qualcosa di giocoso
affinchè la gente li ispiri per usarli dentro
il loro progetto del fine settimana è giusto
non è quello che le persone stanno facendo
questo ha una risposta enorme almeno
questo è quello che ho trovato questo altro esempio
quindi ho provato a rendere questo genere di cose
estensibile come un plug-in come come
jquery l’ha fatto e io l’ho fatto davvero
quello semplice era convertire qualcosa
nel tipo di ragazza della valle di parlare
dove prendi un tutto dopo copula
aggiungi come se fosse una figata
biblioteca e stiamo cercando di fare cose
così facilmente non lo so
questo è un esempio un po ‘sfacciato
qualcuno ha fatto un chewbacca vinto e roba
così, ma puoi vedere come questa roba
è divertente da fare e alla gente piace fare
c’è il mio preferito ma di tutto ciò che è
quello che trasforma il giornale
titoli e poi ogni nome che aggiunge
cyber di fronte ad esso così cyber putin band
le armi nucleari cyber o comunque lo è
abbastanza divertente e così l’industria ma è anche
uno strumento utile perché la lingua dovrebbe essere
capace di essere manipolato come questo
cosa ho lavorato su notizie sono sorta
di cercare e sostituire o abbinare come
sorta di reg ex come partita per la lingua
quindi esempi come questo dove dopo
ogni determinatore che si desidera inserire a
la parola dovrebbe essere veramente veloce
sintassi per essere in grado di farlo adesso
se vuoi farlo solo con
personaggi non lo è
così facile e la diapositiva più importante di
tutto in questo discorso è questo ed è
facile da portare via quando hai un
cinque per cento di precisione o ottantasei
precisione percentuale, ma la più importante
cosa da ricordare è questa diapositiva questi
sono due frasi che abbiamo dato alle scimmie
le banane perché erano maturi noi
ha dato alle scimmie le banane perché
erano affamati uno dei più banali
o come cose apparentemente banali da fare
in PNL si chiama Anna per la risoluzione o
la risoluzione pronome dove erano
nella seconda frase si riferisce al
scimmie perché loro perché le scimmie sono
affamati o cose che possono essere affamate e
loro nella prima situazione si riferiscono al
banane perché le banane lo sai
frutta e frutta e cose così che possono
essere maturi e roba vale la pena così per
interpretarlo è molto semplice
cosa che potresti fare in un
la frase appena capisce cosa
pronome è impossibile fino a quando tu
sappi che tutta questa conoscenza è come
le scimmie sono animali e animali sei tu
conosci i marsupiali, non lo so, ma lo sono
c’è un livello di conoscenza che è
necessario per comprendere appieno questo
quindi se qualcuno ti dice che sono
facendoti sapere più novantacinque
precisione percentuale e nulla come chiedere
loro dove è la loro base di conoscenze
quando hanno inventato un io non ne sono sicuro
avrebbero colpito così di solito quando ci provi
per capire una frase e una sorta di
andando dal basso verso l’alto abbiamo dato loro un
kisa bananas come una stringa di caratteri
quindi questo è solitamente il modo in cui lavoriamo
linguaggio come programmatori di computer e noi
ci piace una specie di macchina statale regolare
espressioni così ga ve e così via I
ti incoraggerei quando lavori
con il linguaggio per fare un passo avanti non lo sono
sicuro se sono stato troppo di un
maestro manipolatore ma lavorando con parte
di etichette vocali è molto più facile di
lavorare con i personaggi perché sai
hai tutte queste diverse situazioni
una cosa è che stiamo lavorando davvero
duro sul coinvolgimento e sulla volontà delle persone
essere contrazioni contrazioni di compromessi
sono cose come se non fosse o apostrofo
o ‘ NT e così via io non vuoi
farsi prendere su
roba del genere se sei se l’utente è
digitando si sa che hanno una scatola bianca
Tipo in cose che stanno andando a digitare una
molte cose pazze e tu non vuoi
lasciati coinvolgere in cose del genere e te
non voglio che i tuoi sviluppatori debbano essere
scrivendo conosci i casi per gestirlo
i casi di contrazione lo gestiscono
roba di contrazione come quella parte del discorso
prenderlo è davvero utile se ne hai uno
strumento come questo è proprio come uno
chiamata al metodo e hai questi tag e
allora puoi gestirli vendere per il
al livello successivo che qualcosa non so
nulla su ma trovo interessante
è chiamato l’analisi delle dipendenze
a volte vedi se hai preso un
classe di linguistica vedi persone giuste
fuori come un ramo come un albero di sintassi
si chiama siamo come la parola dare
qui si applica al nome come si applica a
le scimmie quindi abbiamo dato e poi
dopo tutto quello che hanno dato
è difficile farlo è davvero difficile da fare
non ho letto abbastanza su di esso per iniziare
farlo senza il compromesso, penso
dovrei pensare mi piacerebbe provarlo
meno um ma l’ultimo livello è ovviamente
di cosa ho parlato del tipo di
strategia del motore di conoscenza dove sai
che scimmia sai che è Aruba Diana?
sai che dare significa come il
trasferimento volontario di beni bla bla
come la gente chiamava questo livello
Ho usato psiche o psiche aperta negli anni ’80
chiamare questo livello freebase e entrambi
quei progetti sono morti in
la moda spettacolare sono molte persone
chiamandolo wiki wiki data now that level
Corro gli occhi quando la gente lo dice così
non so cosa vedrà
come molte persone ci stanno lavorando
e un sacco di persone intelligenti stanno lavorando
a volte questo a volte il
le soluzioni sono troppo intelligenti, quindi non lo so
che aspetto avrà ma
questa è ovviamente la modalità interessante così
l’ultima scorre le cose che stiamo lavorando
in questo momento se vuoi essere coinvolto
quando la gente parla di progetti github
come una sorta di panacea della democrazia II am
Ho incontrato un sacco di cattiveria
mantenere errori del progetto software I
non così mi sento sempre il mio
lo sfondo è da Wikipedia quindi lo sono sempre
senti come le persone dovrebbero essere in grado di fare a
molto diverso
è di ottenere aiuto, quindi sono insistente per essere
il più premuroso e simpatico
manutentore e github quindi per favore
coinvolto una cosa che è essere
discusso in questo momento è l’immutabile
problema immutabile molte persone sono
parlando di un JavaScript, ma io sono se
vuoi cambiare un verbo ad un altro
per esempio teso e vuoi catena
quello in esso un’altra cosa adesso
ogni metodo restituisce questo tranne che per
alcuni di loro che non restituiscono questo così
è un po ‘duro alcuni dei
le cose di cui stiamo parlando stanno facendo
come la macchina degli eventi sorta di registrazione così
puoi invertirlo e viaggiare nel tempo e
vendere ragazzi, ci sono idee chiare che lo faranno
significa un grande refactore API l’altra cosa
è la velocità e le prestazioni um adesso
Non sono compromesso capirò
la frase in circa otto millisecondi
in media, che non sembra molto
molto ma se metti un romanzo in esso potrebbe essere
come 20 secondi o qualcosa del genere
che va bene per alcune situazioni
ma sicuramente non tutti sono io
certo possiamo ridurlo a metà
con qualche caching o qualcosa del genere
se ti interessa, per favore
contattami e l’altra cosa di 22 di
Ovviamente si sta dividendo in modo diverso
lingue molto di questi veramente intelligenti
i motori di elaborazione del linguaggio naturale sono
in grado di piacere fin dall’inizio di fare qualsiasi
la lingua che vuoi puoi mettere
Klingon e capirà
sai che non ci siamo assolutamente
vorrebbe iniziare a lavorare su un simile
libreria javascript basata su regole che
coniuga i verbi in portoghese spagnolo
Francese e così via, una delle cose come
un’altra critica al computazionale
campo della linguistica è davvero difficile
ottenere dati come sviluppatore web più persone
qui sai se vuoi provare
qualcosa di strano e funky lo farai
trova che 100 altre persone hanno provato
nel loro stack overflow e roba del genere
questo non c’è un eccesso di stack per
questo campo e molto significa leggere
documenti e inviare per e-mail le persone e
dicendo hey posso usare quel set di dati e
non avrai mai i dati corretti è solo
come se non fosse una cultura della condivisione, quindi sono
quindi la parte difficile di quel punto è
ottenendo in realtà una buona serie di dati di verbo
coniugazione
allenarsi sull’ultima cosa, naturalmente, è
che ho detto prima di provare a fare
questo il d3 di testo e una cosa che
è stato davvero d’aiuto con i tre jess
è questa sorta di scena demo dove
ha reso davvero facile fare qualcosa
cool e condividilo e il codice
era lì per copiare e incollare così sono
cercando di pensare a modi per fare questo e
se qualcuno ha una buona idea, penso
tonico musicale forse o qualcosa di simile
dove puoi puoi fare una sorta di
un bell’esempio e condividilo così
Vengo da Toronto se mai vorrai avere
una birra o un caffè che è dove abbiamo un
gruppo lento se vuoi unirti a me
Spencer mountain su Twitter grazie
molto penso che ah penso che abbiamo un
pochi secondi per domande hey boodle è
sta andando a soos il tuo primo oh sì così a
ripeti la domanda è buona
non c’è una sorta di pregiudizio sistematico
in ogni interpretazione come è è come
uno standard per l’analisi grammaticale come
un punto controverso o un compito impossibile, penso
questo è un buon punto in cui sono arrivato di recente
qualche problema con oh mio non um, no
fallo è interessante penso che sia un
discussione fantastica okay sì no, questo è un
ottimo punto ed è giusto e così
sarebbe una critica dell’intero
industria del linguaggio naturale oh scusa si
esattamente sì ho preso la domanda o
il commento è è l’interpretazione di
significa come um non importa come
complicato è se è come un
metafora o qualsiasi cosa è ciò che può essere
gestito anche con un vero sistema di base
Io sì sì sì, penso di sì
ha lavorato su molte cose che non sono
permesso di parlare di questo sono molto
simile sono come se fosse qualcosa
che vorresti fare
statisticamente giusto dove dire se io così tanto
in Gran Bretagna se dici martellato o cosa
è rotto uno di loro significa stanco
martellato significa stanco in Gran Bretagna
emorroidi significa ubriaco in America così
ci saranno cose del genere e
anche tu sai come classe e cose del genere
che quindi c’è un sacco di coinvolgimento
qualcuno interpreta le cose quindi è necessario
ne so molto su di loro ma è così
come una cosa statistica sai nove
tempi su dieci mezzi martellati sono stati distrutti
o bevuto qualunque cosa quindi è molto
problema interessante che ti incoraggio a
lavoraci bene grazie mille
Spencer
Please follow and like us: