我计划在印度参加一个关于自然语言处理的以项目为导向的高级暑期研讨会。 在工作坊开始之前，我必须从以下四个我知之甚少的领域中做出一个项目偏好。
机器翻译开发英语-印度语翻译 系统。
解析构建印度语言 (IL) 解析器。
形态分析开发和测试形态分析仪 印度语言。
语音 口语对话系统、情绪/韵律检测、合成 和转化
我参加了一门人工智能课程，其中介绍了 NLP 和基本的子主题，如 POS 标记（基于转换的学习）、使用 N-gram 的单词预测、隐马尔可夫模型、维特比算法、自然语言解析、涵盖了上下文无关语法、CKY 算法。
我知道这是一个有点模糊的问题，选择主要取决于我的兴趣，但希望就研究范围、实际应用、行业机会等方面更好的领域提供指导。
编辑：在项目工作中获得的技能/经验的应用，在 NLP 之外也将是决定的一个因素。
【问题讨论】：
标签： artificial-intelligence nlp machine-learning
我个人认为所有这些都非常实际和相关，归结为您的个人兴趣。我个人会选择 Speech，因为它似乎是四个中最广泛的（相对无限的改进空间），所以研究范围非常有趣。如果您更喜欢以更具体的应用为目标，解析和机器翻译似乎是您的最佳选择。
祝您好运，无论您选择什么，这看起来都是一个绝佳的机会和巨大的挑战。
【讨论】：
我会选择形态分析仪。形态分析器是用有趣的词结构语言进行任何 NLP 的先决条件，并且有很多很多语言几乎没有完成任何工作。为您熟悉的语言构建一个好的形态分析器是一个合理的暑期项目，因此您可能会在完成工作后构建一个其他人会喜欢的有用的软件。
其他领域是近来比较热门的话题，可能在你的简历上看起来更好，但它们也更加开放，对于相对初学者来说更难做出任何真正的贡献。
【讨论】：
让我们首先将这四个选项分组为一个类别中的前三个-NL-Text，另一个类别-NL-Speech 中的第四个选项，因为追求这些所需的技能和倾向略有不同。 所以首先使用你喜欢在第一组还是第二组工作的标准。完成后，您选择语音。你完成了。 但是如果你站在另一边，现在有两个类别 MT 和剩下的 MA 和 IL Parsing。构建 MT 将专注于使用现成的组件并使它们适应您的语言对。如果你应该在统计上做到这一点，那么在数据方面就更多了，而且你没有获得太多，我的意思是学习/工作和其他两个一样多。如果这是基于规则的，那么很少有人会做大 - 但你会学到很多东西。构建 IL 解析器是一个不错的选择，并且可能对将来在 IL 中拥有大量数据的任务有用，然后文本处理行业将会蓬勃发展。因此，考虑到行业的未来范围，请考虑我的 +1。形态分析也是如此。
【讨论】：
首先，我不懂印度语。根据您所学的子主题，解析将是更好的选择。然而，对于许多语言来说，句法分析高度依赖于形态分析。与英语不同，许多语言具有复杂的形态。此外，对于许多语言来说，三个月内既不能编写解析器，也不能从头编写形态分析器。
因此，如果印度形态不复杂，请使用分析仪。这是 NLP 的基础级别，你会学到很多东西。如果它相当困难并且有足够的分析器可以用于您的解析项目，请选择解析器。
最后选择解析器或分析器，减少目标或项目并按时完成。例如，与其尝试编写一个完整的分析器，不如尝试编写一个仅适用于屈折后缀的分析器。
顺便说一句，词干分析器怎么样？
【讨论】：