|
|
這是一本研究中文自然語言處理方面的基礎性、綜合性書籍，涵蓋NLP 的語言理論、演算法和工程實作的各方面。系統介紹認知語言學和演算法設計相結合的中文NLP書籍，並從認知語言學的角度重新認識和分析NLP的句法和語義相結合的資料結構。這也是本書的創新之處。
自然語言處理（Natural Language Processing，NLP）是人工智慧和語言學領域的分支學科，主要研究如何讓電腦處理和運用自然語言。自然語言處理廣義上分為兩大部分，第一部分為自然語言了解，是指讓電腦「懂」人類的語言；第二部分為自然語言產生，是指把電腦資料轉化為自然語言。本書重點說明中文自然語言處理方面的最新理論、技術和進展。
本書適用於所有想學習NLP的技術人員，包括各大人工智慧實驗室、大專院校電腦科系和自然語言處理研究的老師、學生。
作者簡介
鄭捷
暢銷書《今天不學機器學習，明天就被機器取代：從Python入手+演算法》作者，www.threedweb.cn網站的負責人，研究方向是機器學習與自然語言處理。負責的核心產品是高精度自然語言認知系統的設計與研發，研發目標是高精度（識別率為85%~95%）的統一架構的NLP認知系統，希望能與在NLP這方面有興趣的讀者一起學習交流。
推薦序
前言
第1章 中文語言的機器處理
1.1 歷史回顧
1.2 現代自然語言系統簡介
1.3 整合中文分詞模組
1.4 整合詞性標記模組
1.5 整合命名實體識別模組
1.6 整合句法解析模組
1.7 整合語義角色標記模組
1.8 結語
第2章 中文語言學研究回顧
2.1 文字元號的起源
2.2 六書及其他
2.3 字形的流變
2.4 中文的發展
2.5 三個平面中的語義研究
2.6 結語
第3章 詞彙與分詞技術
3.1 中文分詞
3.2 系統整體流程與詞典結構
3.3 演算法部分原始程式解析
3.4 結語
第4章 NLP 中的機率圖模型
4.1 機率論回顧
4.2 資訊熵
4.3 NLP 與機率圖模型
4.4 隱馬可夫模型簡介
4.5 最大熵模型
4.6 條件隨機場模型
4.7 結語
第5章 詞性、語塊與命名實體識別
5.1 中文詞性標記
5.2 語義組塊標記
5.3 命名實體識別
5.4 結語
第6章 句法理論與自動分析
6.1 轉換產生語法
6.2 依存句法理論
6.3 PCFG 子句結構句法分析
6.4 結語
第7章 建設語言資源函數庫
7.1 語料庫概述
7.2 語法語料庫
7.3 語義知識庫
7.4 語義網與百科知識函數庫
7.5 結語
第8章 語義與認知
8.1 回顧現代語義學
8.2 認知語言學概述
8.3 意象圖式的組成
8.4 隱喻與轉喻
8.5 構式語法
8.6 結語
第9章 NLP 中的深度學習
9.1 神經網路回顧
9.2 Word2Vec 簡介
9.3 NLP 與RNN
9.4 深度學習架構與應用
9.5 結語
第10章 語義計算的架構
10.1 句子的語義和語法前置處理
10.2 語義角色
10.3 句子的語義解析
10.4 結語
