在講課程《數(shù)據(jù)結(jié)構(gòu)和算法》的過程中，我給了學(xué)生們一個(gè)參考例程，希望他們能夠從程序中學(xué)到詞頻統(tǒng)計(jì)的方法。由于同學(xué)們底子比較薄弱，所以給出程序后，我希望同學(xué)們能夠認(rèn)真的查閱程序中用到的每個(gè)函數(shù)，了解其用法，這樣才能真正的搞懂程序，遺憾的是我的學(xué)生只是完成了實(shí)驗(yàn)報(bào)告，而程序中很多函數(shù)的用法和含義根本就沒搞清楚。這種學(xué)法是應(yīng)付式的學(xué)法，我極不贊成這樣的學(xué)習(xí)方式。所以才會(huì)有了此系列文章。也許是底子弱，也許是不愛學(xué)。

面對(duì)學(xué)生不愛學(xué)或者說學(xué)習(xí)不刻苦的狀況，我也只能把這些好的代碼傳播到網(wǎng)上，讓更多人能夠借力學(xué)習(xí)。這也是我現(xiàn)在會(huì)更加專注網(wǎng)絡(luò)傳播文章的原因吧。有了詞頻統(tǒng)計(jì)程序，我們就可以在這個(gè)基礎(chǔ)之上進(jìn)行擴(kuò)展，寫出更復(fù)雜的程序。我就用這樣的事例來寫出了一個(gè)完整的系列文章，告訴大家如何從基礎(chǔ)學(xué)起，然后再逐步的完善和深入，寫出功能更強(qiáng)大的程序，這樣的過程走一遍，才算是真正的掌握知識(shí)，才能把別人的知識(shí)轉(zhuǎn)化為屬于自己的知識(shí)。寫這個(gè)系列耗時(shí)一個(gè)多月，大家看文章花了多長(zhǎng)時(shí)間呢？有了階梯，希望大家能好好利用和珍惜。

文本分析對(duì)于通信工程專業(yè)的學(xué)生而言，只是牛刀小試，等到完成詞頻統(tǒng)計(jì)的算法后大家還可以沿這條路繼續(xù)深入，比如進(jìn)行語音信號(hào)的識(shí)別。先進(jìn)行信號(hào)中數(shù)字的識(shí)別，再進(jìn)行語義識(shí)別。這些可比字符的識(shí)別難多了。當(dāng)下，文本信息已經(jīng)退居次席，人們更多在意的是語音和視頻。因此，語音信號(hào)和視頻信號(hào)處理是當(dāng)下的技術(shù)熱點(diǎn)，讓我們一起由淺入深的學(xué)習(xí)吧。本課題可以作為畢業(yè)設(shè)計(jì)的題目，可以根據(jù)個(gè)人能力適當(dāng)增加難度。

詞頻統(tǒng)計(jì)主要分為英文詞頻統(tǒng)計(jì)和中文詞頻統(tǒng)計(jì)。英文詞頻統(tǒng)計(jì)很簡(jiǎn)單，可以借助MATLAB自帶函數(shù)進(jìn)行斷句，然后再進(jìn)行統(tǒng)計(jì)即可。中文詞頻統(tǒng)計(jì)相對(duì)復(fù)雜一些。關(guān)鍵在于如何使用合適的語料庫和如何精準(zhǔn)匹配詞語。比如句中出現(xiàn)了“人工智能”四字詞，我們應(yīng)該這四個(gè)字視為一個(gè)詞，而不能分析成為兩個(gè)詞。再者出現(xiàn)生僻詞語怎么辦？慢慢來，我們先從簡(jiǎn)單的學(xué)起。依舊是老規(guī)矩，先看代碼！代碼中的注釋非常清晰，當(dāng)看完程序后也就明了了。

原文標(biāo)題：大學(xué)畢業(yè)設(shè)計(jì)一席談之四十八 詞頻統(tǒng)計(jì)(1)

文章出處：【微信公眾號(hào)：通信工程師專輯】歡迎添加關(guān)注！文章轉(zhuǎn)載請(qǐng)注明出處。