Some notes on paper Using Contextual Speller Techniques and Language Modeling for ESL Error Correction.
使用上下文敏感的拼写检查技术和语言建模进行 ESL (English as a Second Language) 语法纠错。
After work, I studied the “Machine Learning Crash Course” produced by Google and made some notes.
在工作之余学习了 Google 出品的 “机器学习速成课程”，做了些笔记。
LDA 主题模型几乎是每一个 NLP 工程师的必修课，而她背后的数学与概率论知识却让她看起来有些高冷。
那么何为 LDA (Latent Dirichlet Allocation)？
简单的说，L (Latent 隐含)，主题隐含在文档中；DA (Dirichlet Allocation 狄利克雷分布)，文档的主题服从 Dirichlet Distribution。
本文将站在一个初学者的角度来讲述 LDA 与她背后的故事。
在上一篇文章中，我翻译了 Peter Norvig 的 How to Write a Spelling Corrector，但其中介绍的拼写检查器并没有考虑错别字的上下文，拼写修正的效果并不是非常理想。在本文中，我会介绍 NLP 中一个常见的语言模型：Ngrams 模型，它可以使拼写校正器拥有感知上下文 (context-sensitive) 的能力，能够显著得提升错别字校正的准确率。在我随机生成的错别字测试集上，编辑距离加上 Ngrams 模型的错别字校正算法的准确率超过了 90%。
I took an interview with TouTiao.com today. This article records the process and content of the interview.
今天参加了今日头条的算法实习生面试，本文记录了面试的内容。
Dianping (the Chinese version of Yelp) tele-interviewed me today. This article records the process and content of the interview.
今天晚上参加了大众点评的一个电话面试，本文记录了面试的内容。