近日因为项目需要，开始恶补预习NLP的相关知识。以前也看过两本相关书籍，但是都十分浅显。这次准备详细的学一下并记录。
李宏毅老师的网课是 Deep Learning for Human Language Processing
Lecture 1 - Intro
没有人能够说同一句话两次
网课特色：加强了对语音的识别的讲解
有很多语言虽然有文字但是文字的使用频率非常低
这门课讲六个模型
输入语音，输出文字：语音辨识 （数字语音处理）Automatic Speech Recognition （ASR）其中有个很重要的问题是——模型本身的size要小。
输入语音，输出语音：Speech Separation, Voice Convention
输入语音，输出分类：Speaker Recognition, Keyword Spotting (唤起语音助手)
输入文字，输出文字：translation, chat-bot, question answering, summerization
输入文字，输出语音：语音合成 但是对于一个很短的词汇容易出错，可能有重音的问题。
输入文字，输出分类：
硬train一发
没有硬train一发不能解决的问题，如果有，那就是训练样本不够或者GPU不够。
"Every time I fire a linguist, the performance of the speech recognizer goes up." by Frederick Jelinek.
cocktail party effect 鸡尾酒效应
是指人的一种听力选择能力，在这种情况下，注意力集中在某一个人的谈话之中而忽略背景中其他的对话或噪音。
就是Speech Separation的问题，人可以这样，机器可以吗
one-shot learning
BERT
芝麻街~~
Meta Learning
例：先学其他语言的语音辨识，然后再学一个新的语言的语音辨识。
Learning from Unpaired Data
特别是再voice conversion, image style transfer 上
Knowledge Graph
发现时间好有限55555写不完笔记嗷嗷嗷真的写不完
