统计语言学习
相关资料
[
“这是一本有趣的关于自然语言处理（nlp，natural language processing）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，hidden markov model）的向前—向后算法（forward-backward algorithm）和概率上下文无关语法的内部—外部算法（inside-outside algorithm）进行了直观的描述，具有很强的可操作性……这是自然语言处理领域为数不多的既自成体系又浅显易懂的好书之一。”
——david m. magerman
]
本书特色
[
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（word tagging）、基于概率上下文无关语法（pcfg，probabilistic context-free grammar）的剖析（parsing，又称为句法分析）、语法归纳（grammar induction）、句法排歧（syntactic disambiguation）、词义分类（semantic word classes）、词义排歧（word-sense disambiguation）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。
]
作者简介
[
欧仁·查尼阿克（Eugene Charniak），美国布朗大学计算机科学系教授兼系主任。
胡凤国，中国传媒大学文学院副教授。
冯志伟，计算语言学家，专门从事语言学和计算机科学的跨学科研究，现为国家教育部语言文字应用研究所研究员、博士生导师、学术委员会委员。
]
目录
第1章标准模型1 1.1两种技术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24 2.1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45 3.1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61 4.1寻找*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83 5.1概率语法835.2 pcfg和句法歧义875.3 pcfg和语法归纳895.4 pcfg和非语法性915.5 pcfg和语言模型925.6 pcfg的基本算法945.7练习95 第6章pcfg的数学原理96 6.1pcfg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111 7.1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127 8.1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145 9.1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
封面
书名:统计语言学习
作者:欧仁.查尼阿克
页数:未知
定价:¥49.0
出版社:世界图书出版公司
出版日期:2016-08-01
ISBN:9787519215484
PDF电子书大小:90MB 高清扫描完整版