算是一点小成果～～
2008年4月28日
最近在和老肖一起研究自然语言处理。现在主要弄语种判断。简单的说就是一个混合语言的文本，里面可能有中文，英文，日文，德文等等各种语言，现在要把它们分别判断出来。
现在为之，实验了两种方法，一种是查字典的方法，收集各种文字的文章各一些。然后先判断一个词可能的语种(根据在Unicode中的block)然后在这些语种的语料中于去找。找到就给1分，最后看谁分高就是那种语言。
第二中是根据n-gram模型来做。就是对语料进行一下处理，算下概率之类的 。。。然后判断。
。。。呃。。。不写方法了，写了又有人说满世界的技术帖了。。。
这两种方法都是别人做过的，现在是要分析他们的性能，然后提出新的方法，或者综合利用。并且提出可能的应用。
弄这点东西，说来也不是能难的东西，不过还是由于做这种综合性的东西做的不多，写起来那个叫费劲啊。。。这几天因为要考试，又要复习，又要写这个东西。。感觉就是累。。特别是弄一半，断电了，晚上觉都睡不好，满脑子都是怎么解决。。周三又要考一门了，现在复习的还是半桶水。。明天一定要好好看书了。。。唉，一心两用很难啊。五一又压了一堆实验报告。。这个五一本来就短，这么一弄没法过了。。。
要弄点东西还真是不容易。。最近有同学说想参和进来，不过还要考虑一些，看自己的编程能力能不能胜任。其实我觉得这个东西，练就好，不练什么都不会。倒真希望多几个合作伙伴，要不就2个人，不能说应付不了吧，但确实觉得要做的事情很多。。。
说了这么多，展示下小成果，下面是一个测试文本的识别结果。没作界面，随便弹了个框出来，能看就行。。。
分类: 学习心情
