（很久沒在csdn寫文章了，一直在知乎，現在慢慢搬過來，原創在哈）
看了有一點思考。
之前做對話系統時，看實際的對話記錄，發現口語文字有如下特點：
一是大量的口語詞彙；二是打錯字；三是語序錯亂。
很自然有兩種思路：一是把錯字糾正；二是就把訓練集也刻意弄出錯字。
1.1.1、針對應用場景和實際歷史記錄，做常見錯字的規則。（實際上沒有想象的那麼複雜。比例類似二八定律。）
1.1.2、把原文本和正確文字當做seq2seq去做。（但是訓練集從**來呢？標不如構造，構造方式見下面的1.2部分）
不妨先想想錯字是怎麼來的，然後再說怎麼做。
1.2.1、如果是用本來就含有錯字的真實資料做標註，且量足夠大，那就不存在這個問題了。（但實際上，多大的量才算大呢？後面的方法還是能提公升的）
1.2.2、（英文中的拼寫錯誤對應中文）在按對按鍵後，在輸入法中選擇了錯誤的字詞。
（比如，上面這句話，我最初就輸入成了「在按對『案件』後」，無語。。）
可以在訓練樣本中，分詞後選乙個詞，出拼音，用拼音出候選詞列表，選擇除了真實詞彙之外的第乙個候選詞，作為替換。
1.2.3、（qwerty鍵盤錯誤注入）按錯按鍵了。
可以在訓練樣本中，分詞後選乙個詞，出拼音，選拼音中的1~2個按鍵，換成相鄰的按鍵，得到新的拼音，進而得到替換詞。（需要注意應用場景是9鍵環境下，還是26鍵環境下，又或是二者都有。）
2.1、（最暴力的方式）乙個樣本分詞後，全部詞隨機打亂。
2.2、（比較暴力，但是還算合理）乙個樣本分詞後，挑出1~2個詞隨機插入分詞後的樣本中。
2.3、（根本上）通過對真實樣本的觀察和統計，得到規律，如「最常見的語序錯亂是將某些詞拿出放在句尾」「哪些詞性的詞容易放到句尾」（這兩個是我真實遇到的情況，常說完後再用乙個詞作為補充，而這個詞常常是名詞。）根據得到的規律做訓練集的改寫。
2.4、（補充）句與句亂序。（在我的口語化樣本中絕大多數是一句，故略。）
（我還沒想好。。）
如果覺得有用，請點贊~
碎碎念 2020 09 03 看演算法的一點感受
碎碎念 2020 09 03 看演算法的一點感受 1.要看懂演算法的原理，這塊兒是最重要的。原理如果有配套的 會更有助於理解。沒有，就自己拿筆多在紙上排演一下。2.自己動手敲 哪怕是照著別人的文章抄 也要動手敲 3.演算法的時間複雜度和空間複雜度這塊兒主要是數學知識，要把數學學好。每個演算法的時間複...
關於工作的一些碎碎念
技術上已經很久沒提公升了，最近實在比較忙，也學到了很多技術之外的東西。以下內容不斷更新修改 1 不與上級討論技術細節，只反饋什麼時候做，需要多久。2 不隨便提問題，問問題之前理清思路，目的性要明確。3 與部門外的同事，比較重要事項的交流一定要使用郵件，避免表達不準確，也是乙個記錄，雙方都可以隨時查閱...
關於Qt的一些碎碎念
1，qt的除錯真不好用啊！執行慢不說，檢視堆疊經常只能看到幾個很底層的函式，看不到自己 對於分析 毫無鳥用啊！太雞肋了！或許是我使用的方式不對吧！但是換vs就能定位到 2，除了除錯功能，qtcreator寫qt 比vs舒服很多！雖然vs 小番茄提高了很大的便利性 但是識別qt的類還是不靠譜，時不時就...