零基础学习 NLP-DAY3

Dynamic Programming 动态规划是运筹学的一个分支，是求解决策过程最优化的过程。

在学校的学习（商科）中，我们有一门选修课叫数据模型与决策，所用教材《数据、模型与决策》由 Frederick S. Hillier & Mark S. Hiller 著。这是一门非常实用的课程，而教材则是通过 Excel 把复杂的问题，如生产调度，资源分配最优化的问题用最快捷的方式教学生得出答案，而不对算法的原理作理解要求。Microsoft Office 里的 Excel 可以轻松解决这些问题。

在今天的学习中发现，动态规划算法在 NLP 领域也是经常可见。前者教材中的案例，大部分是属于静态数据。静态数据是指不随运行而变。但在 NLP 领域，我们经常会遇到动态数据，动态数据是指在系统应用中随时间变化而改变的数据。如，时间序列数据。DTW，HMM, CRF, RNN, LSTM 等等方法经常用于时间序列数据的分析和预测。

DTW 是用于计算两个时间序列的相似度，算是所有算法里最为简单和便捷了。 两个时间序列的长度或者一样，也或许不一样，但通过 DTW 可以找到对应关系来进行计算两者之间的距离，从而算出相似度。此方法被广泛应用于语音识别，音乐搜索，股票相似趋势分析当中。

在进行 DTW 时，需要考虑到以下几点：

1. 起始点和终止点

2. Local continuity

3. Global continuity

4. 路径的权重

今天的学习仅仅是认知的开始，希望日后能分析更深入的知识^_^