该目录中的项目为个人在 udacity 自然语言处理 课程中完成的项目。

目录：hmm-tagger

词性标注是指根据周围语境中的单词判断某个单词句法类别的流程。通常用于消除自然语言短语的歧义，因为它可以快速完成，并且准确率高。词性标注可以用于很多自然语言处理任务，例如在语音合成中确定正确的发音（例如 dis-count 是名词，而 dis-count 是动词），以便检索信息和区分单词含义。

在 notebook 中，使用 Pomegranate 库构建词性标注隐马尔可夫模型，并使用“通用”标签集。在使用更大型的标签集对实际文本语料库进行标注时，隐马尔可夫模型的准确率达到了 96% 以上。隐马尔可夫模型还用于语音识别和语音生成、机器翻译、生物信息学基因识别和计算机视觉人类手势识别，等等。

目录：machine_translation

机器翻译是一个热门研究话题，每年都有大量相关论文发表出来。在这些年的研究过程中，出现了各种不同的方法，例如基于规则的机器翻译、统计学机器翻译和基于样本的机器翻译。但是，这依然是一个未解的问题。不过，神经网络使机器翻译出现了重大发展。

目录：nlp_vui