初了解NLP---科大讯飞

先从了解科大讯飞方面的语音和文字识别，先了解一下应用

语音识别模块

语音识别包括 语音听写，语音转写，实时语音转写，语音唤醒，离线命令识别，离线语音听写

1. 语音听写

可以应用于
语音搜索：百度搜索等各种搜索软件中已经应用上了。
聊天输入：在聊天过程中有的时候需要打的文字太多会选择语音转文字，或者不方便听语音的时候也会语音转文字，或者在路上等时候不方便打字的时候。且在输入的时候会随着你输入内容越来越多和语义的变换进行前面文字的变化。
游戏娱乐：打游戏的时候进行语音转文字可以边打游戏边聊天，在想跟对方交流且不想让对方听到自己的声音的时候

2. 语音转写：

语音听写和语音转写中间很大的区别在于时间，前者小于60s，后者小于五小时
多用于会议记录转成文字，生成字幕等
其语音转写基于深度全序列卷积神经网络，将长段音频（5小时以内）数据转换成文本数据，为信息处理和数据挖掘提供基础

3. 实时语音听写

：多用于直播、会议等实时进行的活动生成字幕
语音唤醒：智能语音机器人：智能家居或者手机里面的siri等语音助手，或者小爱等，跟他们进行简单的交流以达到发出命令等操作时，他们之中的大多数的工作过程都是先将语音转化为文字，然后对文字的命令进行处理。需要设备持续录音。

文字识别：

其手写文字识别基于深度神经网络模型的端到端文字识别系统，将图片（来源如扫描仪或数码相机）中的手写字体转化为计算机可编码的文字

科大讯飞关于自然语言处理方面的

科大讯飞-以语音交互为核心

nlp应用处理的主要范畴
文本朗读（Text to speech）
语音合成（Speech synthesis）
语音识别（Speech recognition）
中文自动分词（Chinese word segmentation）
词性标注（Part-of-speech tagging）
句法分析（Parsing）
自然语言生成（Natural language generation）
文本分类（Text categorization）
信息检索（Information retrieval）
信息抽取（Information extraction）
文字校对（Text-proofing）
问答系统（Question answering）
机器翻译（Machine translation）
自动摘要（Automatic summarization）
文字蕴涵（Textual entailment）

自然语言理解和自然语言生成是自然语言处理的两大内核，机器翻译是自然语言理解方面最早的研究工作。自然语言处理的主要任务是：研究表示语言能力和语言应用的模型，建立和实现计算框架并提出相应的方法不断地完善模型，根据这样的语言模型设计有效地实现自然语言通信的计算机系统，并研讨关于系统的评测技术，最终实现用自然语言与计算机进行通信。目前，具有一定自然语言处理能力的典型应用包括计算机信息检索系统、多语种翻译系统等。

这是科大讯飞的词法分析体验效果，就是单纯的分析出来这一段话中的哪些词语是什么性质，去掉标点符号跟加上标点符号没有太大的区别。
他们的

1. 依存句法分析

：是利用句子中词与词之间的依存关系来表示词语的句法结构信息。也就是说依据主语、谓语、宾语之间的语法关系之类的建立树状关系

2. 语义依存分析

：不需要去抽象词汇本身，而是通过词汇所承受的语义框架来描述该词汇。不受句法结构的影响，将具有直接语义关联的语言单元直接连接依存弧并标记上相应的语义关系。

TensorFlow/Pytorch

TensorFlow
Gathers machine learning and Tensorflow deep learning models for NLP problems(❤365)

https://github.com/huseinzol05/NLP-Models-Tensorflow

Tensorflow-Cookbook:简单易用 TensorFlow 代码集

弗吉尼亚理工博士 Amirsina Torfi-简单tensorflow

TensorFlow Examples

NLP-Models-Tensorflow（NLP不同任务深度学习模型大全）

NLP基础模型的Tensorflow实现

《机器学习实战：基于Scikit-Learn和TensorFlow》

Pytorch
PyTorch 中文手册（pytorch handbook）

CS224N深度学习模型的PyTorch实现

基于 PyTorch 和 keras 的 NLP 学习教程

总结

1. 根据科大讯飞的页面，了解了一些，语音识别、文字识别、自然语言处理方面的应用和一小点点原理，基于它给出的一些概念搜索之后也是大体看一些，还需要很多知识储备，也不是很懂。语音识别方面在日常生活中用到的很多，文字处理我看到的他细分了很多了方面的具体应用，比如手写、车牌号码识别等
2. 在搜索的过程中看到了一些提到tensorflow和pytorch的文章，想到自己在这些方面了解不多就记录写来学习。
3. 我看到的那些应用确实也和日常生活中应用的很相关，也是我想做的领域。