《数学之美》读书笔记

  1. 在罗马体系的文字中,总体来讲,常用字短,生僻字长。而在意形文字中,也是类似。这完全符合信息论中的最短编码原理。

  2. 在通信时,如果信道较宽,信息不必压缩就可以传递;而如果信道较窄,信息在传递时需要尽可能的压缩,然后在接收端进行解压缩。

  3. 语言模型:
    一个句子是否合理,就要看它的可能性大小如何。可能性用概率来衡量,演化成数学模型就是马尔可夫二元模型,即假设一个词出现的频率只与他之前一个词相关。
    N元模型即是假设一个词由之前N-1个词决定

    马尔可夫二元和N元模型

    当N从1到到2时,再从2到3时,模型的效果上升显著。而模型从3到4时,效果的提升就不是很显著,而资源的耗费却非常快,所以除非不惜资源做到极致,很少有人使用4元以上模型。

  4. 中文分词:
    一般使用查字典方法,查字典方法,从左往右扫描一遍,遇到字典里有的词就标识出来,遇到复合词就找最长的词匹配,遇到不认识的就分割成单字词。
    其中用统计学+查字典的形式,解决分词歧义的问题。
    在对中文分词时,一个问题就是词语的颗粒度问题。不同的应用中,会有一种颗粒度比另一种好的情况。比如在机器翻译中,一般说颗粒度大,翻译效果好。但在另外一些应用,比如网页搜索中,小的颗粒度比大的颗粒度反而要好。因此颗粒度看场景使用。

  5. 马尔科夫链和隐含马尔科夫链



    如果没有信息,任何公式或者数字的游戏都无法排除不确定性。信息的作用在于消除不确定性,自然语言处理的大量问题就是找相关的信息。

  6. 网页搜索:
    网页搜索的本质是要从大量(几十亿个)网页中,找到和用户输入的搜索词最相关的几个网页。几十亿个可能性,如果只剩下几个网页,就几乎没有不确定性了。网页搜索的本质是消除不确定性,如果提供的信息不够,正确做法是挖掘新的隐含信息,或直接问问用户。不正确的做法是在关键词上玩数字和公式的游戏,由于没有额外信息的引入,很没有效果。
    搜索引擎的道:下载(网页)→索引→排序
    网络爬虫对网页遍历的次序不是简单的BFS或者DFS,而是有一个相对复杂的下载优先级排序的方法。管理这个优先级排序的子系统一般称为调度系统。
    对于一个特定的查询,搜索结果的排名取决于两组信息:关于网页的质量信息和这个查询与每个网页的相关性信息。

  7. 有限状态机



    如果一条地址能从状态机的开始状态经过状态机的若干中间状态,走到终止状态,那么这条抵制就有效,否则无效。
    图论/动态规划:找一个图给定两个点中最短路径,可以将一个“寻找全程最短路线”的问题,分解成一个个寻找局部最短路线的小问题。

  8. 模型原则
    一个正确的数学模型应当在形式上是简单的
    一个正确的模型一开始可能还不如一个精雕细琢过的错误模型来的精准,但是,如果认定大方向是正确的,就应该坚持下去
    大量准确的数据对研发很重要
    正确的模型也可能受噪音干扰,而显得不正确。这时不应该用一种凑合的修正方法来弥补,而是要找到噪音的根源,这也许能通往重大的发现。

  9. 拼音输入法的数学原理:
    输入法输入汉字的快慢取决于对汉字编码的平均长度,用通俗话来讲,就是击键次数乘以寻找这个键需要的事件。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,378评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,356评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,702评论 0 342
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,259评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,263评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,036评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,349评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,979评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,469评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,938评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,059评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,703评论 4 323
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,257评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,262评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,485评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,501评论 2 354
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,792评论 2 345

推荐阅读更多精彩内容

  • 很早之前看了几篇博文,只留下模糊印象 。这次是在学习人工智能的基础知识后再看,其中研究自然语言的方法从基于规则转变...
    轻舟阅读 5,865评论 0 9
  • 写在之前 如需转载,请注明出处。如有侵权或者其他问题,烦请告知。 第1章文字和语言 vs 数字和信息 文字和语言与...
    hainingwyx阅读 1,139评论 0 2
  • 1.1 统计语言模型 香农(Claude Shannon)就提出了用数学的办法处理自然语言。首先成功利用数学方法解...
    wzz阅读 1,917评论 0 10
  • 1.整体来说,这本书到底在谈些什么? 谈数学知识在计算机中的实际应用,还有精妙的数学方法。 2.作者细部说了什么,...
    游冶星河阅读 3,908评论 3 12
  • 上次写到了统计语言模型进行语言处理,由于模型是建立在词汇的基础之上的,日韩中等国家的语言首先要进行分词。例如把句...
    擦干眼泪我还是王阅读 317评论 0 0