2026.1.19总结

今天继续了解nlp的理论部分，
模块二：传统方法篇 - 从规则到统计
第一部分：语言处理流水线
想象你要教计算机读文章，首先要教它识字断句。
文本预处理是清洗和准备数据。包括：去掉HTML标签、特殊符号；分词——把句子切成单词或字（中文更复杂）；去除停用词如“的”、“了”这些高频但信息少的词；词干还原——把“running”、“ran”、“runs”都还原为“run”。
语言学基础让你理解语言结构。词性标注：识别名词、动词、形容词；句法分析：理解句子结构，哪个是主语、哪个是宾语；命名实体识别：找出人名、地名、机构名。
第二部分：文本表示方法
计算机只懂数字，如何把文字变成数字？
离散表示像建立词表。词袋模型：统计每个词出现的次数，忽略顺序。“我喜欢苹果”和“苹果喜欢我”会被认为一样。TF-IDF：不仅看出现次数，还要看重要性。比如“的”在很多文档都出现，权重就低；“神经网络”只在少数文档出现，权重就高。
分布式表示是革命性的进步。Word2Vec让相似含义的词在向量空间靠近：“国王-男人+女人≈女王”。GloVe利用全局统计信息。FastText考虑子词信息，能处理未登录词。
经典任务实践：用TF-IDF+朴素贝叶斯做新闻分类；用Word2Vec找相似词；用LDA发现文本主题。