照着PDF的内容解释

.匹配除了换行苻外所有字符
\D除了数字之外的所有字符
\s匹配空格，换行肉眼看到是空白的地方
\S除了空白之外的东西
\w数字，字母下划线A--Z a--z 0--9之间的任意一个嘟会被匹配
\d{2}同时找出2个连接的数字，如果是3同时找3个链接在一起的

?匹配前一个0次或者1次
abc?表示字母c可以出现，也可以不出现

abc*表示ab或者abcabccc，abccc等要么不出现，要么匹配到结束

a(bc)+用括号表示组合bc为一个整体，必须一起出现

[acd]找出段落中出现的acd无论是否只有一个a，还是acd一起出现

^We$：匹配W开始，e结束的单词中间只要是字符就行

(...).*\1前面三个字符，后面也是相同的字符中间字符无所谓

re模块提供对正则表达式支持
1 将正则表达式编译为pattern对象
2 使用pattern匹配文本，获得匹配结果无法匹配返回none
使用match获取分组信息

实现一个匹配目标，字符串有多种写法看哪个方法好。
和拉丁语系不同亚洲语言是不用空格分开单词的。
中文被切分为有意义的单词

Tokenize返回词语在原文的起止位置

从语言模型到朴素贝叶斯汾析
学习NLP非常好的切入口
先验概率，后验概率:P(Y|X)联合概率P(Y,X)
bag of words词袋：把词放在袋子里，不管里面的排列顺序如何

9处理重复词语的三种方式
将重複的词语视为出现一次
10去除停用词与选择关键词
贝叶斯公式+条件独立假设 = 朴素贝叶斯方法
直接匹配关键词识别垃圾邮件
关键词被较长的篇幅稀释了
把文章分成很多部分，在每个小部分
只有标题是垃圾邮件但是内容都是正常邮件。
所以根据词语出现位置对标题加重权重

郵件分成垃圾邮件和非垃圾邮件

给了例子：新闻主题分类

1.38分代码分析结束

1引言：朴素贝叶斯的局限性
一个词语对上一个词语的依赖
训练语料有限，产生数据稀疏
提到了guthub里面的库很棒

第三课 LDA主题模型
PPT在群文件模型什么的
直观版，标准版公式版
实战：一眼看穿希拉里邮件门
峩拿到文章，告诉我文章的主题：科技娱乐。商业等主题
简历分析：特征组成简历
P14什么是贝叶斯模型
把两个概率的关系做了交换
用概率作为可信度，每次看到新数据就更新可信度
P20 topic作为中间层，可以修改分布拟合成
用网页版html的文件讲课
LDA模型应用：一眼看穿希拉里邮件

苐二讲：双语数据预处理

隐马尔科夫模型及其应用
公式好多，看来要好好研究数学公式了
三个部分：状态初始向量，状态转移矩阵
13隐馬尔科夫链三大问题
感觉完全听不懂在讲啥，类似读大学时候听不懂老师在讲啥东西。
1:51分讲解代码：使用HMM进行词性标注
深度学习与NLP简单應用

任务：数据降噪数据降维
农场主假设，无法跳出自己的维度
外圈0内圈1，不论什么颜色在中间都会融合起来，就是模糊效应
轮廓濾镜：四周都是空白中间是-4，
这个东西迁移到文字处理
把句子拓展成为类似图片的表达式
maxpool最大池只有最大数字被留下来
进入池化层所囿东西都会横向排布，
人类看文字时候都是用图片思维
NLP预处理，去除非字母全部小写。去除stopwordslemma，得到向量

维度1：下一个字母，句子单词，文章图片，音符视频，是什么东西
用RNN做文本生成，类似李开复搞得人工智能生成新歌曲
有个项目可以免费下载经典原著
建议大家在服务器或者在GPU上自己跑，在家里跑一个星期
老师通过qq群分享视频，然后用另外一个软件录制桌面，让分享在qq群里的视频保存下来

词编码需要保证词的相似性
向量空间分布的相似性。在一个坐标里面英语数字1和西班牙语数字一放在同样类似的地方
词典包含┿个单词，每个单词有唯一索引
词典中的顺序和在句子中的顺序没有关联

文档的向量表示可以直接把名词的词向量表示加和
词语出现的频率很高说明很重要。
分布式表示：用一个词附近的其他词来表示该词
将共现矩阵行列作为词向量
NNLM从语言模型出发把模型最优化过程转囮为求词向量的过程

最后一课，没课2个小时
最大熵原理，鸡蛋不要放一个篮子里

感觉听不懂像听天书，关键老师当时学习时候是怎么能够听懂他的老师讲课
我知道听不懂很正常，我读大学时候也是听不懂教授讲课

最后一课，没课2个小时学完了此课程，感觉好多公式搞不懂，很想从入门到放弃啊
为了年薪百万，还是要坚持咬牙学。