具体描述
中文信息处理教程，ISBN：9787040318968，作者：宋继华 等编著
作者简介
目录信息
本章概览
知识结构图
1.1 基本概念
1.1.1 学科由来
1.1.2 学科定位
1.2 研究内容
1.3 难点分析
1.3.1 歧义
1.3.2 语法
1.4 研究路线
1.5 习题
第2章 汉字的信息处理
本章概览
知识结构图
2.1 基础知识
2.1.1 汉字的形、音、义
2.1.2 汉字的字频和字量
2.1.3 汉字的编码
2.2 交换码和内码
2.2.1 ASCⅡ
2.2.2 编码框架：ISO/IEC2022
2.2.3 GB2312
2.2.4 BIG5
2.2.5 ISO/IECl0646和Unicode
2.2.6 GBK
2.2.7 GBL8030
2.2.8 编程务实
2.3 汉字的输入
2.3.1 键盘输入
2.3.2 字形识别
2.3.3 语音识别
2.4 汉字的输出
2.5 中文编码的前沿课题
2.5.1 古籍数字化
2.5.2 《通用规范汉字表》
2.5.3 少数民族文字
2.6 习题
第3章 词的信息处理
本章概览
知识结构图
3.1 基础知识
3.1.1 概率论基础
3.1.2 信息论基础
3.1.3 n元语法模型
3.1.4 语法模型的性能评价
3.2 自动分词
3.2.1 汉语词的界定
3.2.2 自动分词方法
3.2.3 未登录词的识别
3.3 词性标注
3.3.1 词性标注概述
3.3.2 基于统计的词性标注方法
3.3.3 基于规则的词性标注方法
3.4 命名实体识别
3.4.1 命名实体识别介绍
3.4.2 中文命名实体的定义和标准
3.4.3 中文命名实体识别方法
3.5 习题
第4章 句子的信息处理
本章概览
知识结构图
4.1 形式语言基础
4.1.1 形式语言理论
4.1.2 自动机理论
4.2 短语结构语法
4.2.1 汉语短语结构语法
4.2.2 分析算法
4.2.3 实用策略
4.3 依存语法
4.3.1 依存句法理论
4.3.2 分析算法
4.4 句法理论探索
4.4.1 Chomsky语法理论
4.4.2 广义短语结构语法
4.4.3 链语法
4.4.4 范畴语法
4.5 习题
第5章 句子语义表达与分析
本章概览
知识结构图
5.1 格语法
5.1.1 基本思想
5.1.2 格的分类
5.1.3 格的判断
5.1.4 用格语法生成句子
5.1.5 汉语格语法
5.2 概念依存理论
5.2.1 基本模型
5.2.2 语义推理
5.2.3 脚本法
5.3 概念层次网络(HNC)
5.4 语义本体
5.5 习题
第6章 中文信息处理的基础资源
本章概览
知识结构图
6.1 语料库概述
6.1.1 语料库发展历史
6.1.2 语料库属性
6.2 典型中文语科库介绍
6.2.1 北京大学计算语言学研究所《人民日报》标注语料库
6.2.2 清华大学汉语树库
6.2.3 哈尔滨工业大学汉语依存树库
6.2.4 中国台湾“中央研究院”语料库
6.2.5 国家语言文字工作委员会语料库
6.2.6 山西大学语料库
6.3 典型中文语言知识库资源介绍
6.3.1 北京大学计算语言学研究所综合型语言知识库
6.3.2 知网
6.3.3 中国台湾“中央研究院”中文词汇网络
6.3.4 概念层次网络
6.3.5 汉语框架网知识库
6.4 中文语言资源联盟
6.5 习题
第7章 文本分析与处理
本章概览
知识结构图
7.1 文本分类
7.1.1 文本表示
7.1.2 文本分类算法
7.2 信息检索
7.2.1 常用的检索模型
7.2.2 搜索引擎
7.3 问答系统
7.3.1 问答系统概述
7.3.2 系统构成
7.3.3 典型问答系统介绍
7.4 信息抽取
7.4.1 信息抽取概述
7.4.2 系统的基本构成及关键技术
7.5 自动文摘
7.5.1 自动文摘概述
7.5.2 基于统计的机械文摘
7.5.3 基于意义的理解文摘
7.6 习题
第8章 中文信息处理评测
本章概览
知识结构图
8.1 评测概述
8.1.1 评测的意义
8.1.2 评测的过程
8.2 系列评测介绍
8.2.1 NIST系列评测
8.2.2 ACL-SIGHAN系列评测
8.2.3 863技术测评
8.2.4 中文信息学会评测
8.3 各领域技术评测介绍
8.3.1 中文分词和词性标注评测
8.3.2 词义消歧评测
8.3.3 句法分析评测
8.3.4 文本分类器性能评估
8.3.5 信息检索系统的评测
8.3.6 问答系统评测
8.3.7 信息抽取评测
8.3.8 自动文摘评测
8.4 习题
部分习题参考答案
参考文献
· · · · · · (收起)
读后感
用户评价
这本书的阅读体验，简直可以称得上是一场深度的“技术考古之旅”。我一直好奇，在深度学习尚未席卷整个领域之前，我们的前辈是如何用有限的计算资源和相对简单的统计学方法，解决了中文处理中那些看似无解的难题的。**《中文信息处理教程》**在这方面提供了极其详尽的叙事。它不仅仅是罗列公式，更像是给我们展示了一部技术发展史。比如，书中对隐马尔可夫模型（HMM）在词性标注中的应用分析，简直可以拿来做教科书级别的案例。作者对每一步的数学推导都给出了详尽的解释，但最绝妙的是，他们总是能在推导完成后，立刻连接回实际应用场景——“看，正是基于这个Viterbi算法，我们才能高效地找出一条最合理的词性序列。” 这种理论与实践的无缝衔接，极大地提升了我对算法的直观理解。读完有关句法分析的章节后，我感觉自己对“主谓宾”这些基础语法概念的理解都上升到了一个新的高度，不再仅仅是语文课上的死记硬背，而是理解了计算机是如何通过结构化的方式来“解析”这些语法的。这对于提升我对中文文本底层逻辑的洞察力，起到了关键性的作用。
我是一名工作了几年、正准备转向数据科学领域的工程师，我发现这本书的价值远超出了一个简单的“教程”范畴。它更像是一部结构严谨的**技术参考手册**。当我需要快速回顾特定算法的数学基础，或者需要查找中文分词在不同历史时期所采用的主流技术的异同时，翻开这本书，总能迅速定位到我需要的信息。特别是书中关于**中文信息检索**那几章的论述，简直是教科书级别的范例。它详细梳理了倒排索引的构建、TF-IDF权重的优化，以及布尔模型、向量空间模型和概率模型的演进过程。对我来说，最大的收获在于，它提供了一个宏大的视角，让我明白我们现在使用的搜索引擎或推荐系统，其背后的原理是如何一步步演化而来的。这本书的语言风格是极其专业的，很少出现口语化的表达，这种严谨性反而让信息传递的效率大大提高，避免了冗余和含糊不清的描述，这一点对于追求效率的技术人员来说，是莫大的福音。
这本书带给我最大的惊喜，在于它对**中文处理特有挑战**的深刻洞察。相比于处理结构清晰的英文，中文的歧义性简直是处理者的噩梦，而这本书在这方面着墨颇多，并且提供了非常务实的应对策略。它没有回避复杂性，而是坦诚地剖析了**一词多义、歧义消除、指代消解**等难点。我尤其欣赏其中关于韵律和声调信息在某些特定应用（比如语音合成）中如何被利用的介绍，这个视角非常独特，通常在主流的NLP书籍中很少能看到如此细致的讨论。这种对中文语言特点的深度挖掘和工程化解决方案的结合，让整本书充满了“接地气”的智慧。读完后，我感觉自己对中文本身的复杂性有了更深的敬畏感，同时也对那些能够成功驾驭这种复杂性的技术人员充满了敬意。这本书不仅仅是关于“如何做”，更多的是关于“为什么我们要这样处理中文”，它提供了一种深入理解中文信息特性的思维框架。
老实说，市面上很多号称“教程”的书籍，要么太偏理论以至于让人望而却步，要么太偏实践以至于基础不牢。但这本**《中文信息处理教程》**在平衡两者之间，找到了一个近乎完美的支点。我特别欣赏它在介绍现代方法时的那种谨慎和务实。当涉及到更前沿的深度学习模型时，作者并没有盲目追逐热点，而是先用大量篇幅回顾了传统方法的局限性，为引入新模型提供了充分的动机。比如，在讲解**词嵌入（Word Embedding）**时，它没有直接跳到Word2Vec，而是先分析了传统基于词典和规则方法的稀疏性问题，这样一来，当你看到词向量如何通过低维稠密表示来解决语义鸿沟时，那种“豁然开朗”的感觉是无与伦比的。而且，书中在每一章节末尾都会附带一些精心设计的思考题，这些问题往往不是简单的知识点回顾，而是需要读者对所学知识进行综合运用和批判性思考，这极大地锻炼了我的解决问题的能力，让我感觉自己不仅仅是在“阅读”一本技术书，而是在“参与”一场知识的构建过程。
这本**《中文信息处理教程》**的标题实在是太吸引人了，我一直对计算机如何理解和处理我们日常使用的汉字抱有浓厚的兴趣。说实话，刚拿到书的时候，我有点被它厚实的篇幅和严谨的排版给震慑住了。我原以为它会是一本偏重于理论推导和复杂数学公式堆砌的“硬核”读物，毕竟“信息处理”这几个字听起来就带着一股高冷的学术气息。然而，翻开第一章后，我发现作者的叙事方式非常巧妙。他们没有一上来就抛出晦涩难懂的概率模型或者复杂的句法树结构，而是从最基础的汉字编码、字符集标准讲起，那种层层递进的讲解逻辑，仿佛是领着一个初学者走过一条铺满石子但清晰可见的小径。尤其让我印象深刻的是，书中对**自然语言处理（NLP）**早期阶段的那些经典算法，比如基于规则的分词方法，讲解得极其细致，配上的图示清晰明了，即便是第一次接触这些概念的人，也能大致勾勒出整个处理流程的脉络。那种感觉就像是，我手里拿着一张清晰的导航图，知道下一步该往哪里走，而不是在迷雾中乱撞。我对其中关于“语料库构建”那一节尤其赞赏，它并没有停留在概念层面，而是深入探讨了数据清洗、标注规范的重要性，这对于任何想进行实际项目开发的人来说，都是宝贵的实战经验。
