学习英语是一个长期的过程，我一直希望能够在Emacs中学习英语，但是目前尚没有哪一种学习方式能够让你在本文编辑器中进行 学习-测验-复习 的循环, 原因是因为测验环节做不好，我指的是像真正的老师一样进行的测验，会进行语法检查，语法建议，单词建议，等等一系列的检查。
但是我觉得目前借助人工智能这些应该逐步能够做到，使用tensorflow训练一个大的语法库，然后智能给我们进行纠错提示，帮助我们学习。
这其中需要 tensorflow 模型 – 可以进行大规模的训练机器 – elisp写的前端界面，一系列工作。
这个是收费的啊，而且缺少Emacs的流畅感
Case:
训练数据量少了 -> 没用
“正常的”训练数据量 -> 电费带宽乃至硬盘都不用钱啊
电费带宽这种东西只需要耗费一次，之后可以共享模型出来
grammarly 只能纠错，不能为用户显示句子的语法结构。
真以為只要一次？后续的 update 和 maintenance 就不管了？你对训练模型多大沒有数的嚒？
Standalone version 有语法分析和统计的。
后续的update其实个人对其影响也不大，而且模型的核数据是维护在中央机器的，我的想法是不用个人去单独训练了。
你在要中央机器了，不就有水电带宽的成本了么
等你弄好了 咱们也给爱好中文的外国人弄一个
多谢，不过感觉分析出来的结构不怎么直观，似乎很难读的样子。
我不懂 NLP，请问corenlp产生的各种语法结构是不是只有懂 NLP的人才能看得懂？
我也不懂。。里面用了很多缩写，感觉应该能在什么地方搜到具体的含义
不过可以大致对照着自己的理解看 比如看自己分析的主语在他那里标记成了啥
找到了
做 NLP 的。
首先 parsing (句法分析) 是 NLP 里一个基础但是又很难的任务，CoNLL 每年都会有相关的评测。但是目前在学术研究的数据集上，最好的效果也不到 90%，见
Labeled Attachment 查看对应表格上述效果基本反映了业界最前沿系统的效果。
而这个 parsing 系统呢，和所有的机器学习系统一样，不管你给什么输入，它总是会有输出的，哪怕是你给一个完全不符合语法的句子，它照样会尽量去分析出语法结构来，尽管这个语法结构在我们看来是错误的。
所以利用 parsing 系统，要满足楼主的要求，可能有两种方法
方法 1 的问题在于需要先定义大量的规则，需要很强的专业知识才能做这个事情，这个事情说实话上世纪已经做过太多了；方法 2 的问题在于，需要大量的标注数据，而且是在语法结构层级的标注，这个同样需要极强的专业能力，需要投入的人力和财力都会是一个不小的数字 —— 当然，对英语而言，可能已经有学术用的数据集，这个不太清楚。
当然，除了这两种方法，其实还有一种方法，那就是直接跳过语法分析，做句子的纠错，输入一个 语法有错误的句子，输出一个 含义一致但语法正确的句子，这里的两个条件
都是很难的，而且同前面的方法 2 一样，需要大量的标注数据。
那假设我们有足够的大量的数据，就 OK 了吗？不是的，就算有足够的数据了，训练出来足够好的模型了，还有一个问题，那就是：自然语言其实是一直在动态变化的，某些我们原来认为错误的语法结构，在被普遍使用后可能慢慢地就被接纳被认为是合理的了。
所有的规则都有例外，所有的例外都是规则，至少在我看来，语法可以作为一个做语言分析时候的指导工具，但并不是一个语言必须无条件服从的约束，这也算是 NLP 的难点和乐趣所在了。
当然，单纯是英语语法检查、纠错这件事情，并不是不可行的，说这么多只是想说一下 使用tensorflow训练一个大的语法库，然后智能给我们进行纠错提示，帮助我们学习 这件事情的困难。这个事情势必是一个综合的系统，可能有人工制定的语法规则来做纠错，同时又有机器学习的模型来作为补充，搞不好还会有真·人工的辅助。