具体描述
本书对自然语言处理中的各种形式模型进行了系统的梳理，分别讨论了基于短语结构语法的形式模型、基于合一运算的形式模型、基于依存和配价的形式模型、基于格语法的形式模型、基于词汇主义的形式模型、语义自动处理的形式模型、语用自动处理的形式模型、隐马尔可夫模型、统计机器翻译的形式模型。
本书说理透彻、语言流畅、实例丰富、深入浅出，适合于从事自然语言处理教学和研究的科研人员、大学师生阅读，也可以作为人工智能、计算语言学等课程的教学参考。
作者简介
目录信息
前言
第1章 自然语言处理的学科定位
1.1 从自然语言处理的过程来考察其学科定位
1.2 从自然语言处理的范围来考察其学科定位
1.3 从自然语言处理的历史来考察其学科定位
1.4 当前自然语言处理发展的几个特点
第2章 语言计算研究的先驱
2.1 Markov链
2.2 Zipf定律
2.3 Shannon关于“熵”的研究
2.4 Bar-Hillel的范畴语法
2.5 Harris的语言串分析法
2.6 o.c.KysmrHHa的语言集合论模型
第3章 基于短语结构语法的形式模型
3.1 语法的Chomsky层级
3.2 有限状态语法和它的局限性
3.3 短语结构语法
3.4 递归转移网络和扩充转移网络
3.5 自底向上分析和自顶向下分析
3.6 通用句法生成器和线图分析法
3.7 Earley算法
3.8 左角分析法
3.9 CYK算法
3.10 Tomita算法
3.11 管辖-约束理论与最简方案
3.12 Joshi的树邻接语法
3.13 汉字结构的形式描述
第4章 基于合一运算的形式模型
4.1 中文信息MMT模型
4.2 Kaplan的词汇功能语法
4.3 MartinKay的功能合一语法
4.4 Gazdar的广义短语结构语法
4.5 Shieber的PATR
4.6 Pollard的中心语驱动的短语结构语法
4.7 Pereira和Warren定子句语法
第5章 基于依存和配价的形式模型
5.1 配价观念的起源
5.2 Tesni6re的依存语法
5.3 依存语法在自然语言处理中的应用
5.4 配价语法
5.5 配价语法在自然语言处理中的应用
第6章 基于格语法的形式模型
6.1 Fillmore的格语法
6.2 Fillmore的框架网络
第7章 基于词汇主义的形式模型
7.1 Gross的词汇语法
7.2 链语法
7.3 词汇语义学
7.4 知识本体
7.5 词网WordNet
7.6 知网HowNet
第8章 语义自动处理的形式模型
8.1 义素分析法
8.2 语义场
8.3 语义网络
8.4 Montague的蒙塔鸠语法
8.5 Wilks的优选语义学
8.6 Schank的概念依存理论
8.7 Mel’chuk的意义㈢文本理论
8.8 词义排歧方法
第9章 系统功能语法
9.1 系统功能语法的基本概念
9.2 系统功能语法在自然语言处理中的应用
第10章 语用自动处理的形式模型
10.1 Mann和Thompson的修辞结构理论
10.2 文本连贯中的常识推理技术
第11章 概率语法
11.1 概率上下文无关语法与句子的歧义
11.2 概率上下文无关语法的基本原理
11.3 概率上下文无关语法的三个假设
11.4 概率词汇化上下文无关语法
第12章 Bayes公式与动态规划算法
12.1 拼写错误的检查与更正
12.2 Bayes公式与噪声信道模型
12.3 最小编辑距离算法
12.4 发音问题研究中的Bayes方法
12.5 发音变异的决策树模型
12.6 加权自动机
12.7 向前算法
12.8 Viterbi算法
本章附录
第13章 N元语法和数据平滑
13.1 N元语法
13.2 数据平滑
第14章 隐马尔可夫模型（HMM）
14.1 HMM模型概述
14.2 HMM模型在语音识别中的应用
第15章 统计机器翻译中的形式模型
15.1 机器翻译与噪声信道模型
15.2 最大熵模型
15.3 基于平行概率语法的形式模型
15.4 基于短语的统计机器翻译
15.5 基于句法的统计机器翻译
第16章 自然语言处理系统的评测
16.1 评测的一般原则和方法
16.2 语音合成和文语转换系统的评测
16.3 机器翻译系统的评测
16.4 语料库系统的评测
16.5 国外自然语言处理系统的评测
第17章 自然语言处理中的理性主义与经验主义
17.1 哲学中的理性主义和经验主义
17.2 自然语言处理中理性主义和经验主义的消长
17.3 理性主义和经验主义的利弊得失
17.4 探索理性主义方法和经验主义方法结合的途径
· · · · · · (收起)
读后感
就标题和主题来说是可以四星的。内容有点旧（现在很少这么用的）但具有参考意义。 [Tag: NLP | Yam](https://yam.gift/tags/NLP/) 这里有每章读书笔记。 勘误： 第二章 P60：式 2.14 没有符号 P73：表 2.7 前项、后项反了 第三章 p122 新的边 (3,5,VP->V NP.) 应为 (2,5,VP-...
评分就标题和主题来说是可以四星的。内容有点旧（现在很少这么用的）但具有参考意义。 [Tag: NLP | Yam](https://yam.gift/tags/NLP/) 这里有每章读书笔记。 勘误： 第二章 P60：式 2.14 没有符号 P73：表 2.7 前项、后项反了 第三章 p122 新的边 (3,5,VP->V NP.) 应为 (2,5,VP-...
评分就标题和主题来说是可以四星的。内容有点旧（现在很少这么用的）但具有参考意义。 [Tag: NLP | Yam](https://yam.gift/tags/NLP/) 这里有每章读书笔记。 勘误： 第二章 P60：式 2.14 没有符号 P73：表 2.7 前项、后项反了 第三章 p122 新的边 (3,5,VP->V NP.) 应为 (2,5,VP-...
评分就标题和主题来说是可以四星的。内容有点旧（现在很少这么用的）但具有参考意义。 [Tag: NLP | Yam](https://yam.gift/tags/NLP/) 这里有每章读书笔记。 勘误： 第二章 P60：式 2.14 没有符号 P73：表 2.7 前项、后项反了 第三章 p122 新的边 (3,5,VP->V NP.) 应为 (2,5,VP-...
评分就标题和主题来说是可以四星的。内容有点旧（现在很少这么用的）但具有参考意义。 [Tag: NLP | Yam](https://yam.gift/tags/NLP/) 这里有每章读书笔记。 勘误： 第二章 P60：式 2.14 没有符号 P73：表 2.7 前项、后项反了 第三章 p122 新的边 (3,5,VP->V NP.) 应为 (2,5,VP-...
用户评价
坦白讲，这本书的阅读体验是极其“硬核”的，但这种硬核并非来自故弄玄虚，而是源于其内容本身的密度和高度的自洽性。它没有花大量篇幅去介绍那些已经成为行业标配的入门级工具库或API调用方法，而是将笔墨集中在对这些工具背后的理论模型进行深入的剖析和批判性审视上。我发现自己不得不频繁地查阅补充材料，以便更好地理解作者对某些经典模型在计算复杂度和表达能力上的精妙对比。特别是关于概率图模型在现代NLP中的复兴与局限性的那部分讨论，作者的论点尖锐而有力，直指当前主流方法的某些理论盲点。这本书更像是为那些已经掌握了基础编程和机器学习概念，并渴望真正理解“为什么”而不是仅仅“怎么做”的资深学习者准备的。它不会让你轻松，但它会让你变得更强大。
评分这本书简直是信息爆炸时代的一剂清醒剂，我得说，它的深度和广度都超出了我阅读技术类书籍的预期。它没有像很多同类书籍那样陷于晦涩难懂的数学公式堆砌，而是巧妙地将复杂理论用一种极富洞察力的视角展现出来。尤其让我印象深刻的是作者对于“语义表征”这一核心概念的阐述，他没有满足于介绍现有的各种向量空间模型，而是深入挖掘了其背后的哲学基础，探讨了“意义”在计算框架下是如何被界定和操作的。这种对底层逻辑的深挖，使得读者在学习具体技术（比如某种特定的神经网络架构）时，能够拥有一个更坚实、更不易动摇的理论基石。阅读过程中，我反复停下来思考作者提出的那些类比，它们极大地帮助我理解了那些抽象的数学结构是如何对应到我们日常语言现象上的。这本书更像是一本关于“如何像机器一样精确思考语言”的思维指南，而非仅仅是操作手册。那种豁然开朗的感觉，是很少有技术书籍能给予的。
评分这是一本充满“结构美学”的书籍。作者仿佛拥有一种将混乱的语言数据流整理成清晰、优雅的数学形式的魔力。我印象最深的是它在处理“歧义消解”问题时所采用的视角——它没有将歧义视为需要被“消除”的错误，而是将其视为信息熵在特定约束下的必然体现。这种视角的转换，直接影响了我后续解决实际问题的思路。书中对于形式化过程的描述极为细致，每一个符号、每一个约束条件的引入都有其深刻的逻辑动机。虽然初读时可能需要适应这种高度抽象化的表达方式，但一旦习惯了作者的逻辑节奏，你会发现它比任何冗长的文字描述都要精确和高效得多。这本书教会我的，不仅仅是NLP的知识，更是一种用高度结构化的思维去解构复杂世界的训练。
评分这本书给我的感觉是，它提供了一份深入语言学核心的地图，而不是停留在表面应用层的操作指南。它非常侧重于“语言的内在规律如何被映射到可计算的实体中”这一宏大命题。作者对符号主义和联结主义的交汇点进行了细致入微的考察，并且展现了两者在特定语境下的互补甚至融合的可能性。阅读过程中，我仿佛能听到不同学派思想的激烈碰撞，作者并非简单地偏袒任何一方，而是试图在它们之间搭建一座稳固的桥梁，这座桥梁正是基于扎实的数学和逻辑基础。这本书对于理解为什么深度学习模型在处理长距离依赖和常识推理时会遭遇瓶颈，提供了远超一般教科书深度的解释。它无疑是一部能够提升读者理论视野和批判性思维深度的力作。
评分读完这本书，我感觉自己像是走过了一个异常曲折但风景绝佳的知识迷宫。它的叙事节奏非常独特，时而像一位严谨的数学家在构建逻辑大厦，每一步推导都无可挑剔；时而又像一位富有激情的哲学家在与读者探讨语言的本质极限。我特别欣赏作者在讨论“上下文依赖性”那几章的处理方式，他没有简单地罗列RNN、LSTM或Transformer的优缺点，而是用历史的眼光，追溯了信息在时间维度上被编码和解码的困难是如何一步步被克服的。那种层层递进、不断自我修正的科学发展脉络，被作者描绘得引人入胜。对我个人而言，最大的收获在于理解了为什么某些看似简单的语言任务，在计算上却需要如此复杂的结构支撑——这本书清晰地揭示了这种“复杂性溢出”背后的必然性。它迫使你跳出当前框架，重新审视每一个算法选择背后的权衡取舍。
评分虽然最后我并没有走上nlp的道路，但这本书还是给了我很多的思考。这个领域，需要太多的像冯志伟这样的大神
评分这个老头儿厉害，音韵、计算机、语言学等等都通了……
评分真心不错，推荐！
评分粗略翻了一下，吓尿，根本看不懂，太专业了
评分粗略翻了一下，吓尿，根本看不懂，太专业了
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 qciss.net All Rights Reserved. 小哈图书下载中心 版权所有