• 自然语言处理知识太庞大了,网上也都是一些...主要参考书为宗成庆老师的《统计自然语言处理》,虽然很多内容写的不清楚,但好像中文NLP书籍就这一本全一些,如果想看好的英文资料,可以到我的GitHub上下载: http://...
           自然语言处理知识太庞大了,网上也都是一些零零散散的知识,比如单独讲某些模型,也没有来龙去脉,学习起来较为困难,于是我自己总结了一份知识体系结构,不足之处,欢迎指正。内容来源主要参考黄志洪老师的自然语言处理课程。主要参考书为宗成庆老师的《统计自然语言处理》,虽然很多内容写的不清楚,但好像中文NLP书籍就这一本全一些,如果想看好的英文资料,可以到我的GitHub上下载:  
    http://github.com/lovesoft5/ml

      下面直接开始正文:

        一、自然语言处理概述

                   1)自然语言处理:利用计算机为工具,对书面实行或者口头形式进行各种各样的处理和加工的技术,是研究人与人交际中以及人与计算机交际中的演员问题的一门学科,是人工智能的主要内容。
                  2)自然语言处理是研究语言能力和语言应用的模型,建立计算机(算法)框架来实现这样的语言模型,并完善、评测、最终用于设计各种实用系统。
                  3)研究问题(主要):
                                       信息检索
                                       机器翻译
                                       文档分类
                                       问答系统
                                       信息过滤
                                       自动文摘
                                       信息抽取
                                       文本挖掘
                                       舆情分析
                                       机器写作
                                       语音识别
               研究模式:自然语言场景问题,数学算法,算法如何应用到解决这些问题,预料训练,相关实际应用
                   自然语言的困难:
                               场景的困难:语言的多样性、多变性、歧义性
                               学习的困难:艰难的数学模型(hmm,crf,EM,深度学习等)
                               语料的困难:什么的语料?语料的作用?如何获取语料?

        二、形式语言与自动机 

                   语言:按照一定规律构成的句子或者字符串的有限或者无限的集合。

                    描述语言的三种途径:

                                                  穷举法
                                                  文法(产生式系统)描述
                                                  自动机

                   自然语言不是人为设计而是自然进化的,形式语言比如:运算符号、化学分子式、编程语言

                   形式语言理论朱啊哟研究的是内部结构模式这类语言的纯粹的语法领域,从语言学而来,作为一种理解自然语言的句法规律,在计算机科学中,形式语言通常作为定义编程和语法结构的基础

                   形式语言与自动机基础知识:

                                                     集合论
                                                     图论
                   自动机的应用:

                                                1,单词自动查错纠正

                                                2,词性消歧(什么是词性?什么的词性标注?为什么需要标注?如何标注?)

                  形式语言的缺陷:

                                          1、对于像汉语,英语这样的大型自然语言系统,难以构造精确的文法

                                          2、不符合人类学习语言的习惯

                                          3、有些句子语法正确,但在语义上却不可能,形式语言无法排出这些句子

                                          4、解决方向:基于大量语料,采用统计学手段建立模型                              

        三、语言模型

               1)语言模型(重要):通过语料计算某个句子出现的概率(概率表示),常用的有2-元模型,3-元模型
               2)语言模型应用:

                                             语音识别歧义消除例如,给定拼音串:ta shi yan yan jiu saun fa de

                                             可能的汉字串:踏实烟酒算法的   他是研究酸法的      他是研究算法的,显然,最后一句才符合。

              3)语言模型的启示:

                                  1、开启自然语言处理的统计方法

                                  2、统计方法的一般步骤:               

                                                                     收集大量语料
                                                                     对语料进行统计分析,得出知识
                                                                     针对场景建立算法模型
                                                                     解释和应用结果
              4) 语言模型性能评价,包括评价目标,评价的难点,常用指标(交叉熵,困惑度)

              5)数据平滑:

                             数据平滑的概念,为什么需要平滑

                             平滑的方法,加一法,加法平滑法,古德-图灵法,J-M法,Katz平滑法

            6)语言模型的缺陷:

                            语料来自不同的领域,而语言模型对文本类型、主题等十分敏感

                             n与相邻的n-1个词相关,假设不是很成立。


       四、概率图模型,生成模型与判别模型,贝叶斯网络,马尔科夫链与隐马尔科夫模型(HMM)

                1)概率图模型概述(什么的概率图模型,参考清华大学教材《概率图模型》)

               2)马尔科夫过程(定义,理解)

          3)隐马尔科夫过程(定义,理解)

                  HMM的三个基本问题(定义,解法,应用)

                     注:第一个问题,涉及最大似然估计法,第二个问题涉及EM算法,第三个问题涉及维特比算法,内容很多,要重点理解,(参考书李航《统计学习方法》,网上博客,笔者github)

           

        五、马尔科夫网,最大熵模型,条件随机场(CRF)

                   1)HMM的三个基本问题的参数估计与计算

                   2)什么是熵

                   3)EM算法(应用十分广泛,好好理解)
                   4)HMM的应用
                   5)层次化马尔科夫模型与马尔科夫网络

                                             提出原因,HMM存在两个问题
                   6)最大熵马尔科夫模型
                                             优点:与HMM相比,允许使用特征刻画观察序列,训练高效
                                             缺点: 存在标记偏置问题

                   7)条件随机场及其应用(概念,模型过程,与HMM关系)
                                参数估计方法(GIS算法,改进IIS算法)

                                CRF基本问题:特征选取(特征模板)、概率计算、参数训练、解码(维特比)

                                应用场景:

                                                 词性标注类问题(现在一般用RNN+CRF)
                                                 中文分词(发展过程,经典算法,了解开源工具jieba分词)
                                                 中文人名,地名识别

                   8)  CRF++

        六、命名实体 识别,词性标注,内容挖掘、语义分析与篇章分析(大量用到前面的算法)

                1)命名实体识别问题

                                         相关概率,定义

                                         相关任务类型

                                         方法(基于规程->基于大规模语料库)

                  2)未登录词的解决方法(搜索引擎,基于语料)

                  3)CRF解决命名实体识别(NER)流程总结:

                           训练阶段:确定特征模板,不同场景(人名,地名等)所使用的特征模板不同,对现有语料进行分词,在分词结                      果基础上进行词性标注(可能手工),NER对应的标注问题是基于词的,然后训练CRF模型,得到对应权值参数值

                           识别过程:将待识别文档分词,然后送入CRF模型进行识别计算(维特比算法),得到标注序列,然后根据标                            注划分出命名实体

                  4)词性标注(理解含义,意义)及其一致性检查方法(位置属性向量,词性标注序列向量,聚类或者分类算法)

                
        七、句法分析

                  1)句法分析理解以及意义

                               1、句法结构分析
                                          完全句法分析
                                                 浅层分析(这里有很多方法。。。)
                               2、 依存关系分析

                 2)句法分析方法

                                    1、基于规则的句法结构分析
                                    2、基于统计的语法结构分析
              

        八、文本分类,情感分析

                   1)文本分类,文本排重

                                      文本分类:在预定义的分类体系下,根据文本的特征,将给定的文本与一个或者多个类别相关联
                               典型应用:垃圾邮件判定,网页自动分类

                   2)文本表示,特征选取与权重计算,词向量

                              文本特征选择常用方法:

                                            1、基于本文频率的特征提取法
                                            2、信息增量法
                                            3、X2(卡方)统计量
                                            4、互信息法

                   3)分类器设计

                                    SVM,贝叶斯,决策树等
                   4)分类器性能评测

                                    1、召回率
                                    2、正确率
                                    3、F1值

                   5)主题模型(LDA)与PLSA

                                  LDA模型十分强大,基于贝叶斯改进了PLSA,可以提取出本章的主题词和关键词,建模过程复杂,难以理解。

                   6)情感分析

                             借助计算机帮助用户快速获取,整理和分析相关评论信息,对带有感情色彩的主观文本进行分析,处理和归纳例如,评论自动分析,水军识别。

                            某种意义上看,情感分析也是一种特殊的分类问题
                   7)应用案例


        九、信息检索,搜索引擎及其原理

                  1)信息检索起源于图书馆资料查询检索,引入计算机技术后,从单纯的文本查询扩展到包含图片,音视频等多媒体信息检索,检索对象由数据库扩展到互联网。

                        1、点对点检索
                        2、精确匹配模型与相关匹配模型
                        3、检索系统关键技术:标引,相关度计算
                2)常见模型:布尔模型,向量空间模型,概率模型
                3)常用技术:倒排索引,隐语义分析(LDA等)   
                4)评测指标 

        十、自动文摘与信息抽取,机器翻译,问答系统

                  1)统计机器翻译的的思路,过程,难点,以及解决

                2)问答系统

                        基本组成:问题分析,信息检索,答案抽取

                        类型:基于问题-答案, 基于自由文本

                        典型的解决思路

               3)自动文摘的意义,常用方法

               4)信息抽取模型(LDA等)
     
        十一、深度学习在自然语言中的应用  

                 1)单词表示,比如词向量的训练(wordvoc)
                 2)自动写文本
                                写新闻等
                 3)机器翻译
                 4)基于CNN、RNN的文本分类

                 5)深度学习与CRF结合用于词性标注
                           ...............

             更多深度学习内容,可参考我之前的文章。
     
       


     

    展开全文
  • 在人工智能背景技术下,自然语言处理NLP)技术被越来越多的人看好,并受到重视。其中,以微软小冰为代表的聊天机器人,如今却成了网红,迅速刷爆了微信和朋友圈,一个17岁纯情少女懂礼貌、有素质和会作诗,众多...

    现如今,在更多情况下,我们通过传感器和字节来与机器获得交流,而不是依靠交换情感,那如何让超级智能机器能够和人类正常交流沟通呢?

    在人工智能背景技术下,自然语言处理(NLP)技术被越来越多的人看好,并受到重视。

    其中,以微软小冰为代表的聊天机器人,如今却成了网红,迅速刷爆了微信和朋友圈,一个17岁纯情少女懂礼貌、有素质和会作诗,众多网友对她可是情有独钟!下面这幅图是小冰的一个简介。


    那什么是 NLP?

    NLP (NaturalLanguage Processing) 是人工智能(AI)的一个子领域。自然语言是人类智慧的结晶,自然语言处理是人工智能中最为困难的问题之一,它是能够让人类与智能机器进行沟通交流的重要技术手段。因此,自然语言处理的研究也是充满魅力和挑战的。

    NLP 的主要范畴有哪些?

    NLP 作为一种人工智能方法,能够处理机器和人类自然语言之间的交互,即 NLP 帮助计算机机器以各种形式使用自然人类语言进行交流,包括进行分析、理解、改变或生成自然语言。主要涉及的范畴如下(维基百科):

     中文自动分词

    • 词性标注

    • 句法分析

    • 文本分类

    • 信息抽取

    • 知识图谱

    • 问答系统和自动聊天机器人

    • 机器翻译

    • 自动摘要

    为什么要学 NLP?

    人工智能的发展势不可挡,不可否认,当前从事互联网的人们已经制造出了海量的数据,未来还将继续持续,其中包括结构化数据、半结构化和非结构化数据。

    笔者发现,对于结构化数据而言,在大数据、云计算技术“上下齐心”的大力整合下,其技术基本趋向成熟和稳定,而半结构化、非结构化的数据,因其自身的复杂性,在当前和未来更多领域应用都具有很大的困难和挑战。

    而当前市场对于 NLP 技术人才的需求又非常急切,而且这种状态将持续5-10年,大部分企业需要懂 NLP 技术的人来处理海量非结构数据。

    对于大多数人来说,学完一门技术,最终的目的是找到自己满意的工作,包括自己感兴趣的领域、舒适的环境和高薪。

    单纯从高薪来看,不仅意味着很多 money,更是来证明自己优秀。下面是 BOSS 直聘上对 NLP 技术人员的待遇需求,可以看到仅仅是NLP开发工程师(当然要懂算法)薪资在30-60k。


    如何入门中文 NLP ?

    作为初学者,笔者当初也是走过很多弯路。其中很重要的一点是,我们常常遇到这样的尴尬。

    网上大部分自然语言处理内容都是英文为基础,大多数人先是学好了英语的处理,回头来再处理中文,却发现有很大的不同,这样不仅让中文自然语言处理学习者走了弯路,也浪费了大量时间和精力。

    中文的处理比英文复杂的多,网上中文相关资料少之又少,国内纯中文自然语言处理书籍只有理论方面的,却在实战方面比较空缺,这让中文自然语言处理的学习者感到举步维艰,很难下笔。

    对于这样的难点,是不是认为中文 NLP 就很难学呢?答案是:非也。相反笔者认为,入门中文 NLP 最快的捷径就是以小数量的实例,边学边实战。 

    《中文自然语言处理入门实战》

    因此,本场达人课,定位为中文自然语言处理初学者边学边实战的入门级教程,笔者希望从中文实际出发,针对中文语料以小数据量的“简易版”实例,通过实战带大家快速掌握NLP在中文方面开发的基本能力。

    课程共19节,目录如下:

    课程目录

    第01课:中文自然语言处理的完整机器处理流程

    第02课:简单好用的中文分词利器 jieba 和 HanLP

    第03课:动手实战中文文本中的关键字提取

    第04课:了解数据必备的文本可视化技巧

    第05课:面向非结构化数据转换的词袋和词向量模型

    第06课:动手实战基于 ML 的中文短文本分类

    第07课:动手实战基于 ML 的中文短文本聚类

    第08课:从自然语言处理角度看 HMM 和 CRF

    第09课:一网打尽神经序列模型之 RNN 及其变种 LSTM、GRU

    第10课:动手实战基于 CNN 的电影推荐系统

    第11课:动手实战基于 LSTM 轻松生成各种古诗

    第12课:完全基于情感词典的文本情感分析

    第13课:动手制作自己的简易聊天机器人

    第14课:基于 HanLP 分词的命名实体提取

    第15课:基于 CRF 的中文命名实体识别模型实现

    第16课:知识挖掘与知识图谱概述

    第17课:Neo4j 从入门到构建一个简单知识图谱

    第18课:中文自然语言处理的应用、现状和未来


    学完本课程我能收获什么?

    学完本课程,按照课程给出的简易版案例,你将知道如何快速进行中文语料的处理,包括分词、关键字提取等,并通过数据可视化手段熟悉和了解你的数据。紧接着通过词袋或者词向量,把文本数据转换成计算机可以计算的矩阵向量。

    后续从机器学习简单的有监督分类和无监督聚类入手,到机器情感分析、深度学习神经网络的应用,以及掌握简易聊天机器人和知识图谱的构建过程。

    无论是初入 AI 行业的新人,还是想转行成为AI领域的技术工程师,本场达人课带你直观、高效地了解 NLP 开发的流程,全方位提升你的技术实力与思维方式,收获中文自然语言处理方面的技能和知识。



    微信扫码参与:




    展开全文
  • 作者:刘才权 编辑:陈人和 前 言在这个日新月异的信息时代,海量数据的积累,计算能力的不断提升,机器学习尤其是深度学习的蓬...
        

    640?wx_fmt=gif


       作者:刘才权           

    编辑:陈人和           


    前  言


    在这个日新月异的信息时代,海量数据的积累,计算能力的不断提升,机器学习尤其是深度学习的蓬勃发展,使得人工智能技术在不同领域焕发出蓬勃的活力。自己经历了嵌入式开发,移动互联网开发,目前从事自然语言处理算法开发工作。从工程软件开发到自然语言处理算法开发,希望通过这个系列的文章,能够由浅入深,通俗易懂的介绍自然语言处理的领域知识,分享自己的成长,同大家一起进步。
    章节目录
    • 信心与兴趣

    • 编程语言

    • 经典数据结构与算法

    • 数学基础

    • 机器学习

    • 深度学习

    • 自然语言处理

    • 小节


    01

    信心与兴趣

    很多同学提到算法可能就会打退堂鼓,尤其是一直从事纯工程的软件开发。工作中连经典的数据结构都很少使用,更不用提五花八门的机器学习和深度学习算法。尤其各个大厂的算法专家、数据科学家都是背景爆表,动不动就是国外名校的Phd,至少也是国内清北、C9。实际上,针对普通的算法开发岗,从学习梯度上来讲,算法和工程的差异并不大。当然也并不需要非要名校硕博。

    以前经常和同事开玩笑说,好歹大家都是985的本硕,但手上这工作,找个高中生也能妥妥搞定啊。虽然是玩笑,线上的产品当然也不是像Demo那么简单,但真实的工作真的没有那么明显的条条框框限制。自己也是面试官,百度这样的大厂对普通的开发要求也只是大专。针对普通的算法开发,自己觉得本科基本足够了,当然更没有像211/985这样的限制。 一般来讲,从事某个领域的工作,从底层基础到业务实现一般包括如下的几个层次(以互联网移动开发和算法开发为例):

    方向通用基础专业基础领域基础业务方向
    移动开发操作系统、计算机网络、编译原理、数据结构、编程语言、设计模式Android开发、iOS开发驱动开发、Framework开发、应用开发电商、社交、智能硬件
    算法开发编程语言(python)、数学基础(线性代数、概率/统计、微积分)机器学习,深度学习语音、自然语言理解、计算机视觉、推荐、计算广告、风控搜索,智能客服,广告推荐,互联网金融

    从技能栈的对比来看,算法开发对数学要求要高些,这又会让很多同学看着头痛。实际上对数学的恐惧主要原因在于,对大多数人来说,数学主要是用来应付作业和考试的,而很少在真实的工程场景中使用它。

    自己的本科专业是电子信息方向(觉得空闲时间多,顺手拿了个计算机科学与技术的双学士),有一些专业课程也蛮让人头痛的,比如《通信原理》、《信号与系统》、《数字信号处理》、《微机原理》、《数字电路》等,五花八门的抽象概念和算法公式。当时参加全国大学生电子设计竞赛,选入的学校的电子设计校队,参加系统的学习和培训(有半年的时间参加集中培训,不用像其他同学一样日常上课):

    当大家还在纠结《通信系统》里的调制解调原理时,我们已经在做单边带调制收音机了; 

    当大家还在纠结《信号与系统》的傅里叶变换时,我们已经在做基于快速傅里叶变换的频谱仪了;
    当大家还在纠结《数字信号处理》里的滤波器时,我们已经在做50Hz及其谐波过滤的工频陷波器了;
    当大家还在纠结《微机原理》的X86汇编指令时,我们已经用上工业级的Msp430和C8051F系列控制器了;
    当大家还在纠结《数字电路》的逻辑控制和抱怨VHDL难学时,我们已经在用Verilog玩Altera的FPGA了。

    本来是非常枯燥有难以对付的专业课,但有了实际的使用场景和工程实践,反而变得非常有趣,不但专业课的教材就在手边经常翻阅,还会专门找相应的Paper,看看有没有更好更新的方案。自己对这些专业课不但没有反感,反而觉得超级有用,知识就是力量,在这一刻特别贴切。

    我们回过头来说数学,也是同样的体验。算法的开发工作为数学和算法提供了实践的土壤,理论有了实践这块沃土,也就不再那么枯燥和晦涩。像很多数学大神一样徒手推公式确实是件很难的事情,但基于基础的数学知识来解决工程问题,这并没有想象中的那么难。而且,学习本来就是一个往复的过程,先有一个大概,尝试用已有的知识解决问题,当问题解决不掉时,再反过来学习自己欠缺的知识。

    说了信心再说兴趣,很多同学会觉得目前机器学习和深度学习大火,是不是就该放弃手上的工程岗位,全力以赴的加入到算法的大军中。自己觉得要不加入这个方向还是看个人兴趣吧,现在算法岗位炙手可热,但三五年之后就不好说了。典型的就是Android/iOS移动开发,10年左右如日中天,市场蓝海,人才紧俏,公司抢人的盛况应该跟现在差不多。收益的决定因素是市场,但个人的成长从长期来看,还要看自己的兴趣。依照T型能力理论来说,深度方面,前端、后台、架构、嵌入式、客户端都OK;广度方面,机器学习和深度学习不论从是否要从事相关的领域开发,花些时间了解和学习一下,总的来说也还是不错的。

    好了,下面我们就具体看看从事自然语言处理需要准备的基础知识吧。




    02

    编程语言

    编程语言的要求是很低的,弄掌握Python就基本OK。我的自己经验是:


    • 在网上找一篇Python入门的帖子,搭建环境,运行简单的例子(半天)

    • 找一本基础书籍,系统的熟悉下语言的基本特性和完整框架(1~2天)ps:我之前有C/C++和Java的语音基础

    • 开始正常使用Python进行开发,遇到问题,求助搜索引擎(2个月以上)

    • 觉得自己对语言就基本的掌握后,可以根据选择进行进阶学习了


    系统的基础学习可以参考:《Python基础教程》
    晋级学习可以参考:《流畅的Python》



    03

    经典数据结构与算法

    经典的数据结构和算法,主要指数组、链表、队列、堆栈、树、图这样的经典数据结构,以及各种排序/查找、深度搜索、广度搜索、最小路径、Hash等算法。对一般的算法开发,这部分不是必须项。如果时间有限,可以跳过这部分。但从长远来看,无论是普通的工程开发还是算法开发,经典的数据结构和算法还是必要了。

    落实到具体的学习上,基础的《数据结构与算法》应该随便一本教科书都OK。在实际操作方面,可以抽空刷一刷LeetCode,书的话可以考虑《进军硅谷,程序员面试解密》,内容基本都是LeetCode的原题,可以先刷题再看书。如果LeetCode上能持续刷上200+的题目,以后面对经典的数据结构和算法问题,应该也就没有恐惧的感觉了,反而遇到新问题还会饶有兴趣的去研究研究解决方案。


    04

    数学基础

    对于算法开发,本科学习的《微积分》、《线性代数》、《概率/统计》基本上就够用了。有些同学会提到《概率图模型》和《凸优化》等。我觉得对于入门来说,前面的三门课基本够用,后面如果真的觉得需要深入,再看后面的内容也不迟。

    如果觉得当时大学的课程成绩还不错,那最快的方法就是把大学的教材拿出来重新再扫一般即可。如果觉得时间充裕,想再系统的学习一遍,在线视频是个不错的选择,

    MIT:《单变量微积分》
    MIT:《线性代数》
    可汗学院:《概率》
    可汗学院:《统计学》

    学习的过程不要太苛求全面理解,没必要像数学大牛一样能把所有的公式都手动的推导一遍。能理解基本的概念和原理,关键是有系统的知识框架,后面遇到细节问题,可以回过头来再看。


    05

    机器学习

    这部分目前资料应该是铺天盖地的多,当然还有各式各样的培训班。自己觉得从入门角度,只要把吴恩达在Coursera上的机器学习课程完整的学习完,并完成作业拿到证书,机器学习这部分就算及格了。

    Coursera:《MachineLearning》

    一定要完成作业!一定要完成作业!一定要完成作业!重要的事情说三遍。

    Coursera不翻墙速度好像有些慢,网易云课堂也有视频,但不能提交作业作业。

    至于书的话,可以看看周志华老师的“西瓜书”:《机器学习》


    06

    深度学习

    看完前面机器学习的内容你会发现两个事情:

    • 机器学习的各种算法好像都是些非常经典的算法,基本都是2000年之前提出的

    • 现在大家都在搞深度学习了,这些老掉牙的算法越来越没人用了

    真实情况也大抵如此,如果直接跳过机器学习直接学习深度学习可以吗?当然可以啊,而且,直接学习深度学习还会觉得深度学习的入门门槛更低。

    这估计会让很多同学觉得反常识。但反过来你问问自己,如果没有学习过汇编,上来就用C语言搞嵌入式应用开发可以吗?没有学习过C++,上来就用Java搞Android开发可以吗?当然可以啊。从入门角度没问题,但从长期来看还是需要的,想深入一个领域,知识的完备是必要的。比如嵌入开发用汇编写过两级中断向量表,做Android开发也开发过JNI。 

    深度学习也是一样,从最快入门的角度来看,可以跳过机器学习,直接进入深度学习,但从长期看机器学习还是必要的。而且,看完了吴恩达的《机器学习》课程,再看他的深度学习也更流畅。

    Coursera:《DeepLearning》

    一定要完成作业!一定要完成作业!一定要完成作业!重要的事情说三遍。

    补充下,吴恩达在Coursera上的课程,《MachineLearning》是免费观看的,在线作业是付费的。《DeepLearning》无论是视频还是在线作业都是付费的。网易云课堂有免费的视频课程,但不能提交在线作业。其实,Coursera上的课程也挺便宜的,做完作业还有证书,还是挺不错的。 

    至于书的话,可以看看“花书”《深度学习》



    07

    自然语言处理

    好了终于到了这篇文章的核心部分了,因为是专业基础,所有市面上的系统学习资料也就没前面那么多了。但仔细找找的话也不少(都需要翻墙,手动捂脸):

    经典自然语言处理(斯坦福):《Natural Language Processing course by Dan Jurafsky and Christopher Manning》

    经典+深度学习(National Research University Higher School of Economics):《Natural Language Processing》

    深度学习自然语言处理(斯坦福):《Natural language processing with DeepLearning》

    深度学习自然语言处理(CMU):《CMU Neural Nets for NLP》

    除了第一个之外,后面的视频都比较新。相对来说,书的资料就相对滞后了,如果有兴趣可以翻翻经典的宗成庆的《统计自然语言处理》,主要是针对经典的自然语言处理方法,虽然方法是经典的,但领域问题的描述还是很全面的。


    08

    小节

    总的来说,算法开发和普通的工程开发,从学习梯度上来讲差别不大,也不需要高大上的背景和学历。确定兴趣,看好方向,就坚持一步一步积累,理论结合实践,相信很快你也能像我一样,跨过算法开发的门槛,体会用算法解决实际工程问题的乐趣。





     640?wx_fmt=gif

    END








    往期回顾之作者刘才权

    【1】《机器学习》笔记-半监督学习(13)

    【2】《机器学习》笔记-计算学习理论(12)

    【3】《机器学习》笔记-特征选择与稀疏学习(11)

    【4】《机器学习》笔记-降维与度量学习(10)

    【5】《机器学习》笔记-聚类(9)

    【6】《机器学习》笔记-集成学习(8)

    【7】《机器学习》笔记-贝叶斯分类器(7)









    机器学习算法工程师


                                一个用心的公众号

    640?wx_fmt=jpeg

    长按,识别,加关注

    进群,学习,得帮助

    你的关注,我们的热度,

    我们一定给你学习最大的帮助


    640?wx_fmt=png你点的每个赞,我都认真当成了喜欢



    展开全文
  • 1、自然语言处理圣经---《自然语言处理综论》2、视频课程《深度学习与自然语言处理-2018》3、Natural Language Processing (NLP)4、吴恩达经典课程 - Machine Learning —Coursera5、斯坦福 Natural Language ...

    15套免费的NLP课程及经典教材分享!

    1、自然语言处理圣经—《自然语言处理综论》

    在这里插入图片描述
    Dan Jurafsky and James Martin
    https://web.stanford.edu/~jurafsky/slp3/

    2、视频课程《深度学习与自然语言处理-2018》

    在这里插入图片描述
    Richard Socher (Stanford University)
    https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6

    3、Natural Language Processing (NLP)

    在这里插入图片描述
    Microsoft

    https://www.edx.org/course/natural-language-processing-3

    4、吴恩达经典课程 - Machine Learning —Coursera

    在这里插入图片描述
    https://www.coursera.org/learn/machine-learning/home/welcome

    5、斯坦福 Natural Language Processing with Deep Learning

    在这里插入图片描述
    视频:https://www.youtube.com/playlist?list=PL3FW7Lu3i5Jsnh1rnUwq_TcylNr7EkRe6
    课程资源:http://web.stanford.edu/class/cs224n/

    6、Coursea免费课程 - Sequence Models for Time Series and Natural Language Processing

    在这里插入图片描述
    https://www.coursera.org/learn/sequence-models-tensorflow-gcp?ranMID=40328&ranEAID=SAyYsTvLiGQ&ranSiteID=SAyYsTvLiGQ-ACNikbtJvh2d5Evme5yZQA&siteID=SAyYsTvLiGQ-ACNikbtJvh2d5Evme5yZQA&utm_content=10&utm_medium=partners&utm_source=linkshare&utm_campaign=SAyYsTvLiGQ

    7、免费课程《深度自然语言处理》- Hilary Term 2017 at the University of Oxford

    在这里插入图片描述
    http://www.cs.ox.ac.uk/teaching/courses/2016-2017/dl/

    8、免费课程《基于Python的自然语言处理基础课程》- Datacamp

    在这里插入图片描述
    https://www.datacamp.com/courses/natural-language-processing-fundamentals-in-python

    9、 Coursera免费课程《自然语言处理》- Higher School of Economics

    在这里插入图片描述
    https://www.coursera.org/learn/language-processing?

    10、 Coursera免费课程《不需要写代码如何搭建Chatbot》- IBM

    在这里插入图片描述
    https://www.coursera.org/learn/how-to-build-your-own-chatbot-without-coding

    11、 CS 388 -《自然语言处理》- University of Texas

    在这里插入图片描述
    https://www.cs.utexas.edu/~mooney/cs388/

    12、 书籍《基于Python的自然语言处理》

    在这里插入图片描述
    http://www.nltk.org/book/

    13、 视频课程自然语言处理 - University of Washington

    在这里插入图片描述
    https://courses.cs.washington.edu/courses/csep517/17sp/

    14、Dan Jurafsky & Chris Manning: Natural Language Processing

    在这里插入图片描述
    视频:https://www.youtube.com/playlist?list=PL8FFE3F391203C98C

    15、 NATURAL LANGUAGE PROCESSING - Carnegie Mellon University

    在这里插入图片描述
    http://demo.clab.cs.cmu.edu/NLP/

    展开全文
  • 下面要和你分享的这12句话,蕴含着深深的智慧,因为他们源自NLP神经语言学家对上个世纪中期出现的几位大师的思想的总结(包括最伟大的催眠治疗大师米尔顿·艾瑞克森、家庭治疗大师维吉尼亚·萨提亚、完形治疗大...

    网络时代,每天都有人给你灌输很多道理。可是我们懂了那么多道理,我们真的变得更有智慧了吗?

    事实上,并没有!

    真正的智慧,源自于独立思考,真正有智慧的人,有一套圆融的信念系统和对事情本质的洞见。

    下面要和你分享的这12句话,蕴含着深深的智慧,因为他们源自NLP神经语言学家对上个世纪中期出现的几位大师的思想的总结(包括最伟大的催眠治疗大师米尔顿·艾瑞克森、家庭治疗大师维吉尼亚·萨提亚、完形治疗大师弗瑞兹·波尔斯等),反复品味这12句话,在生活中感悟每句话背后的深意,会令你顿悟人生的真相,放下很多的执著。

     

    这12句话,在NLP神经语言学里面被称为NLP前提假设。也就是说,这些是运用NLP里面的各种方法的前提。

    同时,NLP的研发者比较客观地认为这些也只是一种假设,并不将这些理念奉为至高无上的真理,而是为人们服务的工具。当相信这些对你有帮助时,你就相信它们;当它们对你无用甚至有妨碍时,亦可以放弃它们。

     

       香港NLP之父徐志忠先生说:“前提假设是NLP的免疫系统。”

       事实上,当你真正理解并能深谙这12条前提假设背后的深意时,你就已经在大多数情况下没有烦恼,活得轻松自在了!

     

     

     

     

    1、没有两个人是一样的。

        No two persons are the same.

     

    2、一个人不能改变另外一个人。

        One person cannot change another person.

     

    3、有效用比有道理更重要。

        Usefulness is more important.

     

    4、我们只是活在由自己的感官经验所塑造出来的主观世界。(地图不等于实际的疆域)

        The map is not territory.

     

    5、沟通的意义决定于对方的回应。

        The meaning of communication is the response one gets.

     

    6、重复旧的做法只会得到旧的结果。

        Repeating the same behavior will repeat the same result.

     

    7、凡事必有至少三个解决方法。

        There are at least three solutions to every situation.

     

    8、每一个人都选择给自己最佳利益的行为。

        Every one chooses the best behavior at the moment.

     

    9、每人都已经具备使自己成功快乐的资源。

        Every one already possesses all the resources needed.

     

    10、在任何一个系统里,最灵活的部分最能影响大局。

        In any system, the most flexible person has the control.

     

    11、没有挫败,只有回馈。

        There is no failure, only feedback.

     

    12、动机和情绪总不会错,只是行为没有效果而已。

        每一个行为的背后都有其正面的动机。

        Intentions and emotions are never wrong, only the behavior has not been effective.

     

     

     

     

       看不懂?

     

        没关系!

     

        下面与你详细探讨这12条能让你看破人生迷局的前提假设。

     

     

     

    NLP前提假设详解

     

    1、没有两个人是一样的。

     

    ① 没有两个人的人生经验会完全一样,所以没有两个人的信念价值观和规条会是一样。(《西游记》中的师徒四人去西天,各有各的因,最后也修成了不同的果)

     

    ② 因此,没有两个人对同一件事的看法能够绝对一致,也没有两个人对同一件事的反应会是一样,也因此没有两个人的态度和行为模式会完全一样。(白骨精出现时,唐僧看到的是女施主,猪八戒看到的是美女,孙悟空看到的是妖怪)

     

    ③ 因此,发生在一个人身上的事不能假定发生在另一个人身上也会有一样的结果。(孙悟空有火眼金睛,能认出妖怪,但不能要求师傅也能看出妖怪的本来面目)

     

    ④ 人与人之间的不同,建造了这个世界的奇妙可贵。(《西游记》的故事,如果是四个性格、样貌完全一样唐僧去取经,估计就没那么好看了)

     

    ⑤ 尊重别人的不同之处,别人才会尊重自己独特的地方。(孙悟空尊重师傅的肉眼凡胎和菩萨心肠,才能得到师傅的重用)

     

    ⑥ 每一个人的信念价值观和规条都是在不断变化中,所以没有一个人在两分钟是一样的。(师傅被妖怪抓走几次,也就变得越来越相信孙悟空的火眼金睛了)

     

    ⑦ 两个人之间的信念、价值观和规条不一样,不一定会使两人不能沟通或者难以发展出良好关系。(好斗的孙悟空和贪财好色的猪八戒一样可以为了完成西天取经大任而团结合作)

     

    ⑧ 给别人空间也就是尊重别人的信念、价值观和规条,才能有良好的沟通和关系。

     

    ⑨ 同样的,自己与别人的看法不同也是正常的事。

     

    ⑩ 当尊重别人的信念、价值观和规条的同时,我们也有权利要求别人尊重自己的信念、价值观和规条。

     

     

     

    2、一个人不能改变另外一个人。

     

    ① 一个人不能改变另外一个人,每个人只能改变自己。(不是唐僧改变了孙悟空,而是孙悟空为了顾全大局做出了改变)

     

    ② 一个人不能推动另外一个人,每个人都只可以自己推动自己。(不是观音菩萨推动孙悟空走上西天取经的路的,是孙悟空自己的选择,他也可以选择永远被压在大山底下)

     

    ③ 找出对方的价值观,创造增大或转移对方在乎的价值,对方便会产生推动自己的行为。(孙悟空想让爱偷懒的猪八戒去干活,可以让猪八戒觉得干这个活可以得到好处,于是猪八戒就有了动力了)

     

    ④ 一个人因此不能教导另外一个人,一个人只能引导另一个人去学习。(孩子不想学,再好的老师也教不好,所以培养孩子的学习兴趣比找名师补课更重要)

     

    ⑤ 因此,一个人不能希望另外一个人放弃自己的一套信念、价值观和规条,而去接受另外的一套。(就好像是想让对方改变饮食习惯,但是如果对方感受不到你那一套更好,就不会轻易放弃自己原来的一套)

     

    ⑥ 每个人的信念、价值观、规条系统只对本人有效,不可强逼别人接受。(你觉得榴莲好吃,别人却未必)

     

    ⑦ 改变自己,别人才会有可能改变。(孙悟空发现和师傅争辩无效,后来就放弃争辩,让师傅亲身体验一下被妖怪抓走的感觉,这个时候师傅也更愿意相信悟空的话了)

     

    ⑧ 好的动机,只给一个人去做某一件事的原因,但是不能给他控制别人或使事情恰如他所愿般发生的权利。(孙悟空降妖除怪的动机是好的,是为了完成取经大业,但不等于一定能得到师傅的理解和支持)

     

    ⑨ 不强逼别人跟随自己的一套信念、价值观和规条,别人便不会抗拒。(孙悟空不强迫师傅听自己的,师徒关系于是就越来越融洽了)

     

    ⑩ 同样,我们只能自己推动自己,而不能寄望于他人或环境改变。(孙悟空被妖怪抓住时,从来都是先自己想办法,而不是等着别人来救他,于是他总能让整个团队一次次化险为夷)

     

     

    3、有效果比有道理更重要。

     

    ① 光说做法有道理或者正确,而不顾有没有效果,是在自欺欺人。(手术完全按照最科学的方法操作的,结果病人死掉了,还是一样没有效果)

     

    ② 在三赢(我好、你好、世界好)的原则基础上追求效果,比坚持“什么是对的”更有意义。(当孙悟空不再与师傅争论谁看到的是真相,而是灵活地解决问题时,解决问题的效果更好了) 

     

    ③ 说道理往往是把焦点放在过去的事上,注重效果则容易把注意力放在未来。(批评孩子之前的那件事做得不对,不如和孩子谈谈未来再发生这种事情如何应对)

     

    ④ 任何计划的设计都是为了效果,效果是所有行动的目的。

     

    ⑤ 有道理是由理性方面的标准来决定的,因为没有两个人的信念、价值观和规条系统是一样,所以没有两个人的道理是一样的。(感性的力量永远大于理性的力量,唐僧知道妖怪会变成人来欺骗他,但是依然会因为感情用事被妖怪迷惑)

      注:规条,即咱们常说的行为准则。

     

    ⑥ 故此,坚持道理只不过是坚持一套不能放在另一个人身上的信念、价值观和行为准则。(强迫肉眼凡胎的唐僧相信眼前的人其实是妖怪,往往效果不佳)

     

    ⑦ 真正推动一个人的力量是在感性的一边,再加上了理性方面的认同,效果才会出现。故此有效果需要一个人的理性和感性上的共鸣。(当唐僧有了被妖怪抓走的感性经验,就容易对主动靠近他的人保持警惕了)

     

    ⑧ 没有效果的道理是背弃了信念和价值观的行为准则,需加以检讨。(唐僧盲目坚持见佛就拜的行为准则,忘记了拜佛的初衷,没准就被妖怪变成的佛给骗了) 

     

    ⑨ 有效和有道理往往可以并存,但必先由相信“有这个可能”的信念开始。

     

    ⑩ 只追求有道理但无效果的人生,难以有成功、快乐和幸福的体验。

     

     

     4、我们只是活在由自己的感官经验所塑造出来的主观世界。(感官经验主要包括:画面、声音、触觉、味觉、嗅觉)

     

    ①每个人运用自己的感觉器官把资料摄入(摄入过程),感官的运用是主观和有选择性的,因为不能也不需要把所有资料捕捉。(比如:第一次接触到榴莲或臭豆腐,你用舌头来认识它们,可能会觉得它们味道鲜美,如果是用鼻子来认识它们,可能会觉得它们很臭,有些人闻到臭味之后就不想再经由品尝而更多地去了解它们了)

     

    ②摄入的资料经由我们的信念、价值观和规条系统过滤,而决定其意义。因此能储留在我们脑中(编码过程)的信念、价值观和规条系统是主观地形成的,所以过滤出来的意义也是主观的。(有些人喜欢吃的榴莲或臭豆腐,未必别人也喜欢,有些人觉得它们很香,有些人觉得它们很臭,都是经由我们对榴莲或臭豆腐的某方面的感官经验形成的判断)

     

    ③我们每一个人的世界都是用上述的方式一点一滴地塑造出来的,因此是主观的。 (榴莲和臭豆腐是香是臭,是令人垂涎的美味,还是令人恶心的东西,全都是我们片面的主观认知而已)

     

    ④我们对世界的认知都是经由这样的过程,暂时没有其它的方法。

     

    ⑤因此没有绝对的真实,只有主观的真实或者相对的真实。(你眼前的手机,不过是一些原子而已,但你看不到原子,你只能看到“手机”。量子物理已经发现,从能量的角度来看,所有一切物质,最终都不过是一些高频振动的能量而已)

     

    ⑥因此每个人的世界都只是在他的脑里,我们是凭脑里对世界的认知去处理每一件事。 (有人一闻到榴莲或臭豆腐的味道就流口水,有些人一闻到它们的味道就捂鼻子,因为我们关于它们有不同的主观印象)

     

    ⑦因此改变一个人脑里的世界,这个人对这个世界中事物的态度便会改变。(有些人去了一次屠宰场看过牛被杀的血淋淋的场景后,再吃牛肉都觉得味道不对了,甚至改变了以前喜欢吃牛肉的习惯)

     

    ⑧因此每个人都是用自制的地图在这个世界里生活。(就像有些人脑中的中国地图上重点标明的是全国各地的美食,有些人脑中的中国地图上标明的是各地的房地产价格,还有些人标明的是各地的矿产资源,同时每个人对中国的认知都不是全部,都是片面的)

     

    ⑨改变主观经验在脑里的结构模式,事情对我们的影响便会改变。我们对事情的感受亦会改变。因此我们无须改变外面的世界(我们无法知道它是怎样的),只凭改变我们自己(脑里的世界)我们的人生便有所改变。(比如:你在心里面改变了内心对水的恐惧,你也可以轻松学会在水中漂浮,感受到水可以很容易托起你的身体)

     

    ⑩事情从来都不会给我们压力,压力是来自我们对事情的反应。情绪也从来不是来自某人的言行或者环境里出现的转变,而是来自我们对它们的态度,即是我们的信念、价值观和规条系统。(当你害怕水时,让你下到水深2米的泳池里游泳,你会觉得这令你很有压力;当你改变了对水的体验,熟悉了水性时,你也可以觉得下到2米深的水中游泳很有乐趣,没什么压力,水没有变,是你变了而已)

     

    5、沟通的意义决定于对方的回应。

     

    ①沟通没有对与错,只有有效果或者没有效果之分。

     

    ②自己说的再好也没用,对方收到了你想表达的讯息才是沟通的目的。(为了让孩子爱学习,把孩子骂了一顿,结果孩子产生的印象可能是:学习是痛苦的,这反而会令孩子厌学)

     

    ③因此自己说了什么不是最重要的,对方听到什么才最重要。(你天天叮嘱孩子不要磨蹭,孩子听到的却是“我是一个磨蹭的孩子”,反而造成孩子很难改变)

     

    ④话有很多个方法说出来,使听者完全收到讲者意图传达的讯息,便是正确的方法。(家长朋友多看看《如何说孩子才会听》这本书,里面有很多非常有效的与孩子沟通的方法)

     

    ⑤沟通的效果来自声调和身体语言的比文字词汇的更大。(“好话不会好好说”的人,往往同样的话到他/她的嘴里就变味儿了,需要修炼自己啊!)

     

    ⑥沟通讯息的送出与接受在潜意识层面的比意识层面的大得多。(你手挥大棒,怒吼着说“我爱你”,别人会通过你的身体语言及语气语调来判断你要伤害他/她,而不是你爱他/她。)

     

    ⑦没有两个人对同样的讯息有完全同样的反应。(你夸赞一个和你关系好的人,他/她可能会觉得你很认可他/她,你夸赞一个和你关系不好的人,这个人可能会觉得你别有所图)

     

    ⑧说话的效果由讲者控制,但由听者决定。改变说的方法,才有机会改变听的效果。

     

    ⑨沟通成功的先决条件是和谐气氛。

     

    ⑩ 听者的抗拒是对讲者不够灵活的指证。

     

     

    6、重复旧的做法,只会得到旧的结果。

     

    ①做法有不同,结果才会有不同。

     

    ②如果你做的事没有效果,改变你的做法。任何新的做法都比旧的多一分成功机会。

     

    ③想明天比昨天更好,必须用与昨天不同的做法。

     

    ④改变自己,别人才有可能改变。(孙悟空改变了自己见妖怪就要打的模式,师傅也渐渐改变了对孙悟空的态度,开始愿意接受悟空的建议)

     

    ⑤世界上本来便是每样事物都在不停地改变中,不肯改变的就会面临被淘汰或失败的威胁。

     

    ⑥因此只有不断地改变做法,才能保持与其它人事物的关系有理想状态。

     

    ⑦做法是规条(行为准则),目的是取得价值、实现信念。维持最有效果的规条就是灵活地不断修正做法,这样才能保证取得价值实现信念。(见妖怪就要打的行为准则是为了完成西天取经大业,如果打妖怪导致无法完成取经大业,那就要修正自己的做法)

     

    ⑧改变是所有进步的起点。

     

    ⑨习惯是使我们不用思考便能做到某事,这使我们忘记依做事的效果而对习惯做法作出修正。(孙悟空最初的习惯是见妖怪就要打)

     

    ⑩祈望不改变就能使自己及事情变得更好,倒不如思考自己可以怎样改变才能取得更好的效果。

     

     

    7、凡事必有至少三个解决方法。

     

    ①对事情只有一个方法的人,必陷困境,因为别无选择。

     

    ②对事情有两个方法的人,也陷困境,因为他制造了左右两难、进退维谷的局面给自己。

     

    ③有第三个方法的人,通常会找到第四、第五,甚至更多的方法。

     

    ④有选择就是有能力,所以有选择总比没有选择好。

     

    ⑤至今不成功,只是说至今用过的方法都得不到想要的效果。

     

    ⑥没有办法,只是说已知的办法都行不通,并不等于真就没有办法解决这个问题,需要继续寻找和学习更好的办法。

     

    ⑦世界上尚有很多我们过去没有想过、或者尚未认识的方法。

     

    ⑧只有相信尚有未知的有效方法,才会有机会找到它和使事情改变。

     

    ⑨不论什么事情,我们总有选择的权利,而且不只一个。

     

    ⑩“没有办法”使事情划上句号,“总有办法”则使事情有突破的可能。重要的是你想不想回家,而不是这条路通不通,如果你真的想回家,那你总可以找到回家的路。

     

    8、每一个人都选择给自己最佳利益的行为。(虽然有些时候理智上觉得不是最佳选择,但是潜意识层面觉得这个选择当时能获得最佳的利益)

     

    ①每一个人做任何事,最终都是为满足自己的一些深层需要。

     

    ②每一个人的行为对他的潜意识来说,都是当时环境里最符合自己利益的做法。(比如某些瘾,理智上觉得不好,但是潜意识觉得这样能给其带来好处,所以停不下来)

     

    ③因此每个行为的背后都必定有正面的动机。(比如:自杀背后的动机也许是为了解脱痛苦,只是这个人不相信还有其他更好的办法来解脱其痛苦了)

     

    ④动机不会错,只是有时行为不能达到效果(满足背后正面动机的效果)。

     

    ⑤接受一个人的动机,他便会觉得我们接受他/她这个人。

     

    ⑥了解和接受其正面动机,才容易引导一个人改变其行为。(所以,尽量不要劝一个正准备自杀的人别自杀,而是要了解其动机是为了摆脱怎样的痛苦,帮助其找到比自杀更有效的方法来摆脱其痛苦)

     

    ⑦动机往往是在潜意识的层面,不容易在意识层面说出来。(所以有时候需要用与潜意识沟通的方法来了解自己潜意识层面的深层动机)

     

    ⑧找出行为背后的动机最容易的方法,是问企图经由该行为得到的价值是什么。(有些人买表为了给自己看,有些人买表是给别人看的)

     

    ⑨任何行为在某些环境中都会有其效用。(吃茄子、吃绿豆也能在某些时候防治某些疾病,但千万不要迷信,这不等于它们能在任何时候能防治任何疾病)

     

    ⑩因此没有不对的行为,只有在当时环境中没有效果的行为。

     

     

    9、每人都已经具备使自己成功快乐的资源。

     

    ①每一个人都有过成功快乐的经验,也即是说每个人有使自己成功快乐的的能力。(关键是你会不会调用这些经验)

     

    ②人类只用了大脑能力的极少部份,提升大脑的运用很多新的突破便会出现。(NLP神经语言程式学便是这样的一门学问)

     

    ③ 每一个人都可以凭改变思想去改变自己的情绪和行为,因而改变自己的人生。

     

    ④每天里遇到的事物都有能给我们成功快乐的因素,取舍全由个人决定。(懂得感恩的人总会看到这一天中值得感恩的事,思想负面的人则总会抱怨生活中令其不满的事情)

     

    ⑤所有事情或经验里面正面和负面的意义同时存在,把事情或经验变为绊脚石抑或踏脚石由自己决定。(心理辅导就是帮你把过去的经验都变成你的垫脚石)

     

    ⑥ 有能力替自己制造出困扰的人,也有能力替自己消除困扰。(解铃还须系铃人,心理困扰最终都是靠自己解决的,心理辅导老师也只是外在的辅助而已,起主导作用的依然是你自己)

     

    ⑦成功快乐幸福的人所拥有的思想和行为能力,都是经过一个过程而培养出来的,在开始的时候他们与其它人所具备的条件一样。(想成为什么样的人,就要像什么样的人学习)

     

    ⑧ 自己不信有能力或有可能,是使自己得不到渴求的成功快乐的最有效保证。(你相信你不行,你就一定不行,你的看法会局限你的人生)

     

    ⑨情绪压力困扰,本质上都不是源自外界的人事物,而是由自己潜意识中的信念、价值观和规条系统产生出来的。(就好像雾霾天气无法上学,有些人着急、生气,有些人感到开心)

     

    10、在任何一个系统里,最灵活的部分最能影响大局。

     

    ①灵活便是有一个以上的选择,有选择便是有能力。因此最灵活的人便是最有能力的人。(想想西游记中师徒四人哪个最灵活?)

     

    ②灵活来自减少行使自己的一套信念、价值观和规条,而多凭观察而运用环境所提供的其它条件。(看看孙悟空在电视剧《西游记》续集里的表现,与之前25集相比,他是否变得更善于借助其他资源来解决问题了,而不是靠自己硬拼了?)

     

    ③灵活是使事情更快产生效果的重要因素,因此亦是人生成功快乐的重要因素。(孙悟空不灵活,和师傅对着干,结果就是被念紧箍咒了,想想看你在处理什么问题时不够灵活,被谁念过“紧箍咒”?)

     

    ④灵活亦是自信的表现,自信越不足,坚持某个模式的态度会越强硬。(死犟死犟的人,往往是不够自信的人,他们往往会觉得接受别人的看法就等于自己被否定了)

     

    ⑤容许不同的意见和可能性便是灵活。

     

    ⑥在一个群体中,固执使人紧张,灵活使人放松。(且看电视剧《西游记》里面孙悟空三打白骨精那集,孙悟空和师傅各执己见,团队气氛瞬间降至冰点)

     

    ⑦灵活不代表放弃自己的立场,而是容许找出双赢的可能性(更进一步就是三赢) 。(《西游记》中“金角大王与银角大王”那集,孙悟空接受师傅建议背妖怪变的道士,心里知道这是个妖怪变的道士,但为了避免发生师傅怪罪,还是勇敢地背起了妖怪,然后想办法私下里解决问题,既维护了师徒关系,又能够做些事情让师傅远离妖怪的威胁)

     

    ⑧在沟通中明白不代表接受,接受不代表投降(放弃立场)。(孙悟空接受了师傅安排的工作,明白师傅的心思,但不会放弃自己保护师傅根本目的)

     

    ⑨流水是学习灵活的最好隐喻。

     

    ⑩灵活是用自己的步伐去作出转变,而固执则是在被逼的情况下作出转变。选择主动改变还是被迫改变,关键在你!

     

    11、没有挫败,只有回馈。

     

    ①所谓挫败,只是指出过去的做法得不到期望的效果,是提醒我们做出改变的讯号。

     

    ②挫败只是在事情划上句号时才能用上,只要你还再继续想办法让事情向好的方向发展,这二字便不适用。

     

    ③挫败是指过去的事,怎样改变做法是指向未来。

     

    ④挫败是过去的经验,而经验是让我们提升自我的踏脚石。因为经验是能力的基础,而能力是自信的基础。(自信,来自能力被肯定)

     

    ⑤每次挫败都只不过是学习过程里修正行动的其中一步。(就好像每次师傅被妖怪抓走,都只是一次修炼和成长的机会)

     

    ⑥人生里所有的学习,都是经由不断地修正而达致完善。(就像学习使用筷子、骑自行车,都需要一个不断在行动中获得反馈、不断修正的过程)

     

    ⑦想要成功,首先要明确自己想要的“成功”究竟是什么?能给自己带来些什么? 如果真的想要这份成功,就要相信自己有成功的可能,然后找出需要怎样做,并采取行动。

     

    ⑧把每次挫败带来的经验教训掌握了,每次便都变成了学习。(这次经历是一次挫败经验,还是一次学习经验,关键看你怎么定义)

     

    ⑨对自己做的事不感兴趣,或者对自己做的事信心不足的人,其潜意识总是习惯性地在找不用干下去的借口,挫败二字便很容易冒出来。(猪八戒在《西游记》里的表现就是这样滴)

     

     

    12、动机和情绪总不会错,只是行为没有效果而已。

     

        每一个行为的背后都有其正面的动机。

     

    ①动机在潜意识里,总是正面的。潜意识从来都不会伤害自己,只是误会地以为某行为可以满足该动机,而又不知有其他做法的可能。 (想要自杀的人,也是有正面动力的哦,可能是想要立刻解脱其面对的痛苦,只是看不到还有哪些其他方法可以帮助其从痛苦中解脱出来)

     

    ②情绪总是给我们一份推动力,使我们想去摆脱某个环境或状况,情绪是为了使我们在该件事情之中有所学习,学到了我们需要学习的,情绪便会消失或减退。

     

    ③我们可以接受一个人的动机和情绪,同时不接受他的行为。

     

    ④接受动机和情绪便是接受那个人,那个人也会感觉出你对他的接受,因而更肯让你去引导他作出改变。(孙悟空后来变聪明了,能够接纳师傅的情绪,理解师傅的正面动机,同时坚持降妖除怪,师傅也越来越信任悟空的火眼金睛)

     

    ⑤任何一次行为不等于一个人,一段时期不等于一生。(不能因为孩子有一次偷拿大人的钱,就说他就是小偷,说他这辈子肯定会坐牢)

     

    ⑥行为不能接受是因为没有效果,找出更好的做法是两人的共同目标,能使两人有更好的沟通和关系。(和孩子沟通,了解孩子想要拿钱做什么,和孩子一起商量,找出以后如何用父母支持的方式来得到钱,满足自己的愿望)

     

    ⑦找出更好做法的方法之一,是追查动机背后的价值观。(孩子之所以不敢光明正大地和父母说他/她的愿望,反而要用“偷钱”的方式来满足自己内心的需求,说明孩子担心自己在乎的价值不被认可,或者担心自己这种获得这种价值的方式不被认可,比如花钱去网吧获得快乐和成就感)

    展开全文
  • 自然语言处理大体包括了自然语言理解和自然语言生成两个部分,实现人机间自然语言通信意味着要使计算机既能理解自然语言文本的意义,也能以自然语言文本来表达给定的意图、思想等,前者称为自然语言理解,后者称为...
  • 本文主要是讲了一些自然语言处理的浅层内容。知识点比较零碎,可见业务场景之繁杂。我们希望从机器学习算法的角度去观察这些业务场景,以便有个清晰的认识。文本处理的一些基础内容,如正则表达式、分词断句等是自然...
  • 作者:刘才权 编辑:陈人和 前 言在这个日新月异的信息时代,海量数据的积累,计算能力的不断提升,机器学习尤其是深度学习的蓬勃发展,使...
  • 自然语言处理NLP)知识结构总结
  • 本课程涵盖 RNN,LSTM,GRU,word2vec,CNN 这些基础,还包括多层,双向等拓展,有 Seq2seq 和 Attention,再到最近流行的 Transformer,ELMo,BERT,层层递进掌握经典模型。 实战多: 包括 14 个项目的代码及详细的...
  • 本达人课,作为中文自然语言处理边学边实战的入门级教程,以小数据量的“简易版”实例,通过实战带大家快速掌握 NLP 在中文方面开发的基本能力。 本课程共包含 18 节。各小节之间并没有紧密耦合,但是整个内容还是...
  • NLP基础系列自然语言处理,英文是Natrual Language Processing,简写为NLP,原本是计算机科学领域的一个研究方向。早几年,还没有几个外行人知道它。即使是程序员,如果不做NLP相关工作的,也有大多没听说过这个概念...
  • 自然语言处理NLP) 开源软件工具包 基础研究领域 1、文本分类 2、依存分析 3、命名实体 4、词性标注 5、中文分词 6、情感分析 7、信息抽取 8、文本摘要 一、NLTK NLTLK官方文档地址:http://www.nltk.org/ ...
  • 基于统计的自然语言处理是哲学中的经验主义,基于规则的自然语言处理是哲学中的理性主义。在哲学领域中经验主义与理性主义的斗争一直是此消彼长,这种矛盾与斗争也反映在具体科学上,如自然语言处理。 早期的自然...
  • 基础Python人工智能自然语言处理文本挖掘关键词提取 6年开发经验,具有...
  • 简单地说,自然语言处理就是用计算机来处理、理解以及运用人类语言(如中文、英文等),它属于人工智能的一个分支,是计算机科学与语言学的交叉学科,又常被称为计算语言学。由于自然语言是人类区别于其他动物的根本...
  • 一般认为计算语言学(CL)是语言学的一个分支,自然语言处理NLP)是计算机科学的一个子学科。但是现在由于CL和NLP之间的界限越来越模糊,甚至两个领域的人常常去参加同样的会议,交流起工作来也完全没有障碍,于是...
  • NLP自然语言处理简介

    2019-09-25 16:19:36
    作者:刘知远。清华大学计算机系副教授、博士生导师。...承担多项国家自然科学基金。曾获清华大学优秀博士学位论文、中国人工智能学会优秀博士学位论文、清华大学优秀博士后、中文信息学会青年创新奖...
1 2 3 4 5 ... 20
收藏数 95,861
精华内容 38,344
热门标签
关键字:

12条nlp的基础