#NLP #English #recommended

#Machl #AI 非常希望去学习一些自然语言处理和机器学习相关的技术
至于面向 Compiler 技术向的解析技术，我也不甚了解，我没写过 ANTLR，不知道 LALR、LL、LR 解析算法是怎么执行的，不知道自底向上分析和自底向下推导的区别，不了解 PCRE Regex 匹配算法，不清楚 infix operator 们的优先级和结合性的问题，infixl infilr 傻傻分不清（几乎）

#parser #NLP 至于自然语言处理（NLP），我发现因为可能是考虑过一个比较有幼稚 niave 的梦想『Semic 机器人』的原因，我对结构化自然语言还有点直觉
但是我不是特别了解自然语言，也不了解音标记法（当然不是一个层面的东西）
我觉得这个可以考虑多去分析一些小说什么的来提升

至于机器学习，我看过冰封他学姐写的博文，虽然因为我完全没有 ANN（人工神经网络）和机器学习的基础（其实我有一点 KNN 回归量化评估分析的基础，《算法图解》看的）（数学上，我们最近高二也在上回归，不过和 KNN 那种简单的回归而不是函数回归没有特别大的关系）

理解非常的困难，我不知道啥是 Layer、不知道啥是导数、不知道啥是反向传播啥是 bootstrap 函数，但幸亏我有函数式的基础，所以 fun Scale(d: Weight) = { lf: LossFunction -> { w: Weight -> d * lf(w) } } 这种 FP 风格的 #Kotlin 代码我至少还不至于看不懂，给我尝试去理解这类玩意创造了一个最基本的条件 — 如果你连别人说啥都搞不懂，怎么 get 得到知识点呢？

（事实是，很多（尤其是对于一些比较 trivial 的业务范围，比如 #Android 开发和 #Web 前端来说）工业界的程序员压根不能理解 FP 范式的一些东西，或者使用的理解式变通太多了，以至于直觉不太好）

比如说这个 Haskell 里一些 function 扩展和 Monad 们的 Kotlin 版本，大家可以看看自己看不看得懂（挫败感？

fun <T : Any> T?.toMaybe() = this?.let(::Some) ?: None

尤其是最后那个 #FP CoinductiveList，我也是最近才理解，而这个 fibonacci Sequence 才是最骚的（也很能体现一个 CS lover 的水平 — 你究竟只能算是『工程师』还是能算是『爱好者』呢？）：

fib = 1 : 2 : zipWith (+) fib (tail fib)

Prelude> take 10 fib
[1,2,3,5,8,13,21,34,55,89]

-- 数学定义
fib' 1 = 1
fib' 2 = 2
fib' n = fib (n - 1) + fib (n - 2) 

（这里是有限构造的 List，不是 Coinductive 的，虽然 Haskell 是 Built-in Laziness 所以可以当成是 Coinductive 的，对应到 Kotlin 就是 Kotlin std 的 Sequence）

想必很多不是特别熟悉 Kotlin，而只是把 Kotlin 写成 Java （甚至 Java 7 而不是 8）的程序员要开始烧脑一战了（

#life #dev duangsuse 落实 10:30 准时睡觉『政策』。 🐱

考虑到健康原因（不让自己的努力白费），每晚 10:30(h:m) 必须立即睡觉

== duangsuse::Echo 参考 #Telegram hashtags

duangsuse::Echo 常年利用 hastags 标记消息所含知识领域，并且，这也会为未来 Echo 频道进行简单准确的数据统计带来可能（不然，我也有其他手段，比如 NLP、统计预测）

以下是新的标签实例（不区分大小写、不能保证消息只含这些标签）：

== 消息平台部分
#Telegram #zhihu #Github #so #Coolapk #book #wiki

== 注释部分
#life #China #School #Statement #lib #recommended #low #fix
#project #blog #share #Learn #paper
#dev #tech #art #meetUp #conference
#Moha #Haha
#gnu
#Microsoft #Mozilla #WeChat #QQ #Weibo #Tencent #Baidu #Ali #Qihoo
#tools #code

== 程序设计语言部分
#Kotlin #Java #JavaScript #JavaScript_ES6 #TypeScript
#Rust #Go #Swift #Dart #Crystal
#Ruby #Python #Perl #Tcl #Lua #PHP
#C #D #Cplusplus #CSharp #Objc
#Pascal #Fortran #Delphi #Ada #Basic #VisualBasic
#Scheme #Haskell #Scala #Clojure
#TeX #Graphviz
#Octave #Matlab
#Shell
（有些写出来是为了鼓励我去写，其实不一定真的写过）

== 软件平台部分
#Android #Windows #Win32 #MacOS #Java #Java_JVM #CLR #Qt #GTK #Tk #WxWidgets
#CSS #XML #JSON #KDE #Postgres #dotnet

== 软件技术领域部分

#backend #sysadmin #frontend #sysadmin_net

#OI #CS #IT #Informatics

#stat #ann #ann_dnn #machl
#math #math_linearAlgebra #math_discrete
#se #se_dia #se_ci #se_ee
#comm #net #www #web #http #html #mail #wireless
#circuit #embedded #os #db #db_relAlgebra #SQL
#bin #encoding #encoding_audio #encoding_image #encoding_video #encoding_text
#hpc #parallelism #distributed #simd #gpgpu #crypto
#pl #pl_plt #ce_vee #ce #ce_optimize #fp_monad #fp_proof #fp #oop #oop_arch #sp #parser
#algorithm #struct #lists #maps #sets
#security #security_lowlevel
#signalProc #nlp #phonetic
#cg #cg_dip #cg_3d #cg_2d #cg_lowlevel
#gui #gui_animation #gui_layouts #cli #visualization

#PL #life https://tttttt.me/dsuses/2959

刚刚和某位大佬聊了一下一个比较特殊 case 的 #NLP 自然语言处理问题：识别切分沾粘的姓名们

😫 真的还是太菜了啊

还是继续马上讲一些理论吧

雷玉嗣 杨翠兴 卢弟积 钟婷婷
房堰佳 高奉善 吴源述 余超伟
李丹丹 李恒佰 朱芳芹 邓恒瑞
许星星 鄧超超 陈婷淑 邓红艳
罗章元 苏梅金
（这些人名经随机打乱其『名』部分，姓依然是第一位）

如果这些名字全都是沾粘的，或许可以用『姓』来作切分符
可是这样又不准确
看来真的是不使用机器学习很难解决的问题呢。

duangsuse /'dʊɔːŋ sjuːz/ | [⃪PLD, FPλ], [15.06.19 20:50]
如果有『解析到某个位置可能出现分支情况』这种问题还不算是问题
最大的问题是『语法本身有冲突』

比如说 Kotlin 里的 >= 在分词时就不能处理，当然这还比较特殊
Haskell 里语义缩进文法也是有冲突分不清谁是谁的问题


这种问题看起来和 if () 悬垂问题有点像，都是二义性

if (a)
  if (b)
  if (c)

请问如果不看缩进，那 if (c) 语句是 if (a) 块里的呢.... 还是 if (b) 里的？
当然 Java 里可以分，因为 Java 里可以带上 {} 决定语句块结束；而不带的就是就近原则（上面这种 if(c) 属于 if(b)）

但我觉得... 你上面说的不是无法消除的二义性

修订文章的过程中，发现了一个有趣的事情

因为我有刻意去斟酌文字，希望尽可能让标点符号用的更符合直觉。

对 drakeet 的一些话（内联）

有一段话：

“黑历史”是曾经不完美的见证，但它对自己而言也不是没有用处的，因为一个优秀的人时常要复习一下自己的黑历史、记住自己曾经的误解、不确定，来为自己的未来提供一个完整的排除名单。错误不再重复第二遍。

我给它的第一段修改成了

“黑历史”是曾经不完美的见证，但它对自己而言也不是没有用处的。

我做了一件事情：
+ “独立”了一个句子，把『因为』连词去掉
+ 然后把逗号改成了句号

因为我之前一直思量着有一个基于 NLP 的软件内被设计出来，所以也一直有在想它功能的一些事情，其中就应该要包含类似语法检查的功能，但是语法自动重构可不可以呢？

这类句子应该怎么泛化抽提出其模式，来用于模式匹配和重构呢？ #NLP

#Python #NLP #Machl #AI #Algorithm 🤔 这可能是我写过倒数第二辣鸡的代码了……

#Python #tool #code #NLP #Algorithm

#data #nlp

#china #ai #ml #nlp #festival GPT-2

#nlp #English 词根(噢不 是 原型)提取

https://twitter.com/gd3kr/status/1545370626273120256 #nlp regexp 😐

#bing #nlp https://telegra.ph/zh-ast-02-26
🌚我拿我和别人的“代码块的数据结构”文章链接来提纲，结果是：没讲明白出什么来.. 原文 https://tttttt.me/dsuse/18071

它也没get 到列表是非嵌套的,Node才允许嵌套.. 甚至把一篇技术文的观点主旨搞错了。给的例子虽然能执行但比较复杂
只能说有参考价值，语言逻辑通顺，但没有达标。

唉，如果我是应用或游戏程序员，生活大概会轻松不少吧。 不止冷🥶知识详解，再过几年整个项目说不定都能自动生成了，调个颜色就能卖钱... 最重要的是，学编程的难度大大降低了（至少对墙外如此❤️

可不敢质疑AI只是在广撒网复制粘贴，这货连常用的算法和递归都能解读与执行甚至缝合.. 是聪明的。好时代 来临力
( 感觉对做题家不是很公平呢，他们烧脑对那么多领域出题解题， 最后AI竟对题目题解描述的更清晰..