9787519215484: 统计语言学习

Inhaltsangabe

本文面向的读者对象是具有传统计算机科学知识背景的研究人员和科学工作者,主要介绍基于统计的语言处理技术——单词标注(wordtagging)、基于概率上下文无关语法(PCFG,probabilisticcontext-freegrammar)的剖析(parsing,又称为句法分析)、语法归纳(grammarinduction)、句法排歧(syntacticdisambiguation)、词义分类(semanticwordclasses)、词义排歧(word-sensedisambiguation)等技术,同时还介绍了相关的数学知识,每一章还附有一定数量的练习题。本书在国外好评如潮,已经成为学习统计自然语言处理的不可缺少的入门书之一。图目录1第1章标准模型11.1两种技术11.2形态学和单词知识31.3句法和上下文无关语法51.4线图分析101.5意义和语义处理191.6练习21第2章统计模型和英语的熵242.1概率论基础242.2统计模型282.3语音识别302.4熵312.5马尔可夫链372.6交叉熵382.7用交叉熵对模型进行评测402.8练习44第3章隐马尔可夫模型及其两个应用453.1英语的三元语法模型453.2隐马尔可夫模型503.3词性标注533.4练习59第4章隐马尔可夫模型的算法614.1寻找最可能的路径614.2HMM输出概率计算654.3HMM训练694.4练习80第5章概率上下文无关语法835.1概率语法835.2PCFG和句法歧义875.3PCFG和语法归纳895.4PCFG和非语法性915.5PCFG和语言模型925.6PCFG的基本算法945.7练习95第6章PCFG的数学原理966.1PCFG的关系966.2PCFG为句子指派概率986.3PCFG训练1066.4练习109第7章概率语法学习1117.1简单的方法为什么会失败1127.2依存语法学习1147.3通过括号语料库进行学习1187.4部分语法的改进1217.5练习126第8章句法排歧1278.1处理介词短语的简单方法1278.2使用语义信息1338.3关系从句依附问题1358.4词汇/语义信息的统一应用1398.5练习143第9章词类和词义1459.1聚类1459.2根据下一个单词进行聚类1469.3利用句法信息进行聚类1519.4单词聚类中的问题1559.5练习157第10章词义及排歧15910.1利用外部信息判定词义16010.2不利用外部信息判定词义16310.3意义和选择限制16810.4讨论17210.5练习174参考文献175符号表179英中对照术语表181中英对照术语表190“这是一本有趣的关于自然语言处理(NLP,NaturalLanguageProcessing)统计模型的普及读物。书写得很好,富有趣味性,稍有点数学知识背景的读者都能读懂。它为读者精选了许多统计NLP方面的话题加以介绍。书中对隐马尔可夫模型(HMM,HiddenMarkovModel)的向前—向后算法(forward-backwardalgorithm)和概率上下文无关语法的内部—外部算法(inside-outsidealgorithm)进行了直

Die Inhaltsangabe kann sich auf eine andere Ausgabe dieses Titels beziehen.