不能尽信书 CorpusTalk分享

不能尽信书 CorpusTalk分享雷 蕾教授 [华中科大外国语学院]CorpusTalk 讲述语言学与学术写作的故事 坚持原创

My homepage at HUST: http://sfl.hust.edu.cn/info/1139/5993.htm

不能尽信书 CorpusTalk分享

最近在折腾一个topic modeling 的小项目。

翻了几本书，照着书敲代码，结果跑出来了，甚喜，很简单啊，机器学习不过如此嘛！

于是，真实数据搞起来。

然后，问题拖家带口来了。

数据清洗难题一大堆。

书上的干净数据，直接跑；真实数据，dirty, dirty, dirty…

确认k值问题。

书上模拟运行，随便整个k值。

真实数据怎么确认k值？

网上查资料，发现了loglikelihood方法。

代码整过来，运行，等待，貌似死机…

重启。

检查代码，再来一遍。

死机again。

仔细阅读，说是整loglikelihood，需要运行很长时间。

再再来一遍吧，先吃饭去，让机器继续。

饭毕，机器还在跑。

等半小时，还在跑。

再等。

报错！

想起一句话：不能尽信书。

怀疑写书的都是骗纸 …

怀疑智商欠费 …

那些说语言学家是科学家的，请出来走两步。