统计自然语言处理-词汇获取

词汇获取

一成不变的词库意义不大，只有保持动态更新，保持数据的时效性，这样个的词库才有意义。

评价方法

靠谱的数据评价方法非常重要，但这些应该有专人来做，毕竟，专业的人做专业的事情嘛！

动词子范畴

附着歧义

选择倾向

选择倾向，类似固定搭配。但在中文语境下，问题又复杂了许多，比如说：“吃亏”，你能说亏是个食物？当然了，书中的说法很严谨，人家说的是大部分，不是绝对的。

语义相似性

如何给一个词定词性，时间很难的事情，不然的话那些标注好的词库就不会收费那么贵了。一条条结构化的数据都是花了心血做的，哪能说给就给。

获取词汇的作用

一个词条，平均需要半个小时，这样的数据能不贵？这样想来，我拆分并处理（定地名级别）了那么多的数据，那是多么大的工作量啊。按照小时工的标准那产值也大了去了。

自然语言处理这本书读下来的感觉

到现在为止，虽然中间也停更了几周（或者是更新不及时）。但总体来讲，还是坚持到现在了，书也读了了一半。我最开始看这本书的时候，基础部分有很多地方看着都很有意思，但后面的章节越来越枯燥。不是说这本书不好，我相信这本书绝对是自然语言统计与处理的经典，书中的公式与算法什么的绝对是干货，但实在是太干了，啃不下来啊。这本书越往后读，越觉得跟我的工作离得越远。但转念一想，如果书读下来都像网络小说一样，读起来觉得很爽，不用动啥脑子，那这书也没啥读的价值了。难读的书读下去，对自己来说，记下来的都是知识储备，就算记不下来，养成读书的习惯也是好的。写写画画，粗略读一读，有意思的就先记下来。