摘要：
这页讲 N-gram 模型里，“概率咋具体算出来” ，大白话拆成 “例子 + 步骤”： 核心逻辑 用 “统计词或词串出现的次数” 来算概率，简单说就是： 想算 “某个词 / 词串的概率”，就看它在大量文本（语料）里 “出现多少次” ，再除以 “总次数 / 相关词串的次数”。 举例子：算 “今天天气不 阅读全文
posted @ 2025-06-22 09:31
m516606428
阅读(5)
评论(0)
推荐(0)
摘要：
为什么这么算 从大白话角度解释为啥这么算，核心是 “语言有前后依赖关系，概率得体现‘前面的词影响后面的词’” ，分三步说： 1. 语言的 “依赖逻辑” 说话时，后面的词不是乱选的，得看前面说了啥。比如 “吃” 后面，常跟 “饭、面、瓜”；但 “看” 后面，常跟 “书、电影、风景” 。所以算句子概率时 阅读全文
posted @ 2025-06-22 09:28
m516606428
阅读(12)
评论(0)
推荐(0)
摘要：
这页讲 N-gram 模型咋算 “一句话像不像人话” 的概率，大白话拆成是啥、咋算、优缺点： 一、核心逻辑（是啥） 把句子拆成 “连续的词或字（w₁、w₂…wₙ）”，算这些词按顺序出现的概率。概率越高，句子越像人话。 二、咋算概率（公式翻译） 比如句子是 “今天天气不错”，拆成 w₁= 今、w₂= 阅读全文
posted @ 2025-06-22 09:26
m516606428
阅读(30)
评论(0)
推荐(0)
摘要：
这页讲语言模型咋分类，大白话逐个拆： 1. 统计语言模型（SLM） 特点：靠 “统计规律” 干活，比如 ngram 模型，就是数 “哪些词经常一起出现” 。 大白话：像 “查字典统计高频搭配”，比如知道 “天气” 常和 “不错” 连，就用这规律判断句子对不对。 2. 神经语言模型（NLM） 特点：用 阅读全文
posted @ 2025-06-22 09:23
m516606428
阅读(45)
评论(0)
推荐(0)
摘要：
这段讲语言模型在手写字识别里咋帮忙，大白话拆解： 核心事儿 手写识别时，机器先把图片里的字，变成一堆 “候选汉字”（比如写得潦草，一个字可能被看成好几种写法 ）。但光有候选还不够，语言模型要从这些候选里，挑出 “连起来最像人话、概率最高” 的句子 。 举例子 看手写的 “浙江” ，机器可能识别成 “ 阅读全文
posted @ 2025-06-22 09:18
m516606428
阅读(9)
评论(0)
推荐(0)
摘要：
这部分讲语音识别里语言模型咋把音素变成文字，大白话拆解： 核心事儿 语音转文字时，一个音素序列（比如拼音）可能对应好几种文字组合 。语言模型的作用，就是从这些组合里，挑出 “最像人话、概率最高” 的那句。 举例子 看拼音 “zhong guo zheng zai dui kang xin guan” 阅读全文
posted @ 2025-06-22 09:14
m516606428
阅读(10)
评论(0)
推荐(0)
摘要：
这段讲的是语音识别里语言模型咋工作的，大白话拆解下： 第一步：提取声音特征把你说的话，先转成电脑能懂的 “声学特征向量”（就当是声音的数字密码）。 第二步：声学模型预测音素拿这些 “声音密码” 当输入，丢给声学模型算一算，就能猜出你说的是啥音素（音素≈拼音的最小单位，但更细，还得带声调，比如 “ā” 阅读全文
posted @ 2025-06-22 09:13
m516606428
阅读(19)
评论(0)
推荐(0)
浙公网安备 33010602011771号