计算语言学导论

    《计算语言学导论》的作者翁富良、王野翊希望 此书的出版能够对**计算语言学的发展起到一定的 促进作用。由于篇幅和作者水平的限制，我们不可能 面面俱到地覆盖整个领域。我们在选材时一方面注重 本领域的基础性的经典工作，希望读者阅读理解后能 够举一反三，用于解决实际问题；另一方面我们侧重 于介绍一些当前**计算语言学界的研究重心，希望 有关的研究人员能够站在该领域的前沿。
     本书的对象是大学计算机专业、数理统计专业及 语言学专业的高年级学生或研究生，与计算语言学有 关的科研人员，以及其他有兴趣的读者。

王野翊，1985年于上海交通大学计算机科学与工程系获学士学位。后师从上海交通大学孙永强教授和中科院数学研究所陆汝钤研究员进行自然语言处理的研究，并于1988年获上海交通大学计算机科学与工程系硕士学位。1992年于美国卡内基一梅隆大学(Carnegie Mellon University)获计算语言学硕士学位，现为卡内基一梅隆大学计算机科学学院语言技术研究所(Lan-guage Technologies Institute，School of Computer Science)博士候选人。主要研究课题包括统计学机器翻译、语言模型、语言学习、神经网络。 翁富良，斯坦福**研究所语音技术和研究实验室研究工程师。1984年毕业于复旦大学计算机科学系。在1984—1989年间，师从吴立德教授进行模式识别和自然语言理解方面的研究。1989年，赴卡内基一梅隆大学机器翻译中心继续自然语言理解的研究。1993年，在新墨西哥州立大学获硕士学位。自1994年起，在斯坦福**研究所的语音技术和研究实验室从事语言、语音模型研究。先后单独或与同事合作在一些专业杂志和会议上发表论文20余篇，曾获1986年**教委科技进步一等奖，第三届中国**自然科学四等奖。

**章 计算语言学简介
**节 计算语言学是一 门边缘科学
第二节 计算语言学研究的基本问题
第三节 计算语言学研究的基本方法
一 理性主义和经验主义：计算语言学研究方法的哲学分野
二 计算语言学研究方法
第四节 计算语言学的应用
第二章 预备知识
**节 离散数学基础
一 集合及相关的概念
二 图及相关的概念
三 字符串及相关的概念
四 栈及相关的概念
五 序及相关的概念
第二节 概率统计理论基础
第三节 信息论基础
第三章 形式语言及自动机
**节 形式语言和自动机的直观意义
第二节 形式语言和自动机的定义
一 形式语言的定义
二 自动机的定义
第四章 语法理论和表示形式
**节 GB理论
第二节 词汇功能语法
第三节 广义词组结构语法
第四节 树连接语法
第五节 链语法
第五章 语言的识别与分析
**节 有限状态语法的识别和分析算法
第二节 上下文无关语法的识别和分析算法
一 移进—归约法
二 由底向上的图表法
三 欧雷算法
四 GLR算法
五 链语法的识别算法
第三节 其他类型的分析器
一 基于原则的分析方法
二 基于归一 的分析方法
第六章 计算语义方面的一 些工作
**节 语义理论简介
一 词的指称作为意义
二 心理图像，大脑图像或思想作为意义
三 说话者的意图作为意义
四 过程语义
五 词汇分解学派
六 条件真理模型
七 情景语义学
八 语义网络
九 模态逻辑
第二节 计算语义学的一 些代表工作
一 概念依赖理论
二 选择限制学说
三 指代化解
四 计算语义学的一 些其他方面
第七章 容错分析
**节 基于关键词或中心词的方法
第二节 省略不识词的方法
第三节 元规则方法
第四节 同化法
第八章 概率语法
**节 Ngram
一 减值法(Discounting)
二 删除插值法(I)eletedInterpolation)
三 基于词分类的Ngram
第二节 隐马尔柯夫模型
一 马尔柯夫模型
二 隐马尔柯夫模型
三 向前算法
四 韦特比算法
五 向前向后算法
第三节 概率上下文无关文法
一 向内算法
二 韦特比算法
三 向内向外算法
第九章 语言学习
**节 词分类
第二节 词法学习
一 语法框架
二 词汇选择(I~exicalSelection)
第三节 语法学习
一 有限状态自动机的机器学习
二 语法推导的理论问题
三 贝叶斯推理在语法推导中的应用
第十章 当前计算语言学的研究
**节 统计学机器翻译
一 IBM统计学机器翻译
二 参数训练
三 源语言搜索
第二节 词类标识(Part-of-speechTagging)
一 隐马尔柯夫模型词类标识
二 基于规则的词类标识
第三节 歧义化解(Disambiguation)
一 基于结构的语法歧义化解
二 统计学语法歧义化解
三 词汇歧义化解(LexicalDisambiguation)
附录A 汉英术语对照
附录B 有关计算语言学的重要期刊和会议
附录C 参考文献