以统计方法为主的自然语言处理

1 绪论
1.1 自然语言处理（理解）概述
1.1.1 自然语言理解的本质
1.1.2 自然语言理解的困难和内容
1.2 国内外发展现状
1.2.1 国外关于自然语言理解方面的研究
1.2.2 国内关于自然语言理解方面的研究
1.2.3 深度学习国内外研究现状
1.3 统计模型介绍
1.4 本书的主要研究内容
2 基于词类的语言模型和聚类算法
2.1 基于词的N元统计模型
2.1.1 N元统计模型的概念
2.1.2 参数估计与平滑
2.1.3 语言模型的评估
2.2 基于词类的N元统计模型
2.2.1 预测聚类
2.2.2 条件聚类
2.2.3 组合聚类
2.3 聚类算法
2.4 基于词相似度的层次聚类
2.4.1 词的相似度
2.4.2 聚类算法
2.4.3 聚类算法实验结果
2.5 可变长的语言模型
2.5.1 算法
2.5.2 实验结果
2.6 本章小结
3 词性标注方法
3.1 引言
3.1.1 词语的兼类现象
3.1.2 词性标注的重要意义和难点
3.1.3 词性标注的方法
3.2 基于转换的错误驱动的词性标注方法
3.2.1 转换规则的形式
3.2.2 转换规则的模板
3.2.3 基于转换的词性标注方法的流程
3.3 本章小结
4 隐马尔可夫模型与马尔可夫族模型
4.1 隐马尔可夫模型
4.2 隐马尔可夫模型在词性标注中的应用
4.3 马尔可夫族模型
4.4 使用马尔可夫族模型的词性标注方法
4.4.1 理论推导
4.4.2 Viterbi算法
4.4.3 实验结果
4.5 本章小结
5 句法分析模型与概率上下文无关语法
5.1 引言
5.2 句法分析国内外研究现状
5.2.1 句法分析语料库
5.2.2 短语结构语法
5.2.3 依存语法研究现状
5.2.4 多句法分析器的组合
5.2.5 中文句法分析研究现状
5.3 统计句法分析模型概述
5.3.1 统计句法分析模型的实质及模型常用的评价方法
5.3.2 两种统计句法分析模型概述
5.4 概率上下文无关语法的基本概念
5.5 概率上下文无关语法的基本假设的问题
5.6 本章小结
6 基于依存关系的句法分析模型
6.1 依存语法
6.2 基于依存关系的句法分析统计模型
6.2.1 基于语义依存关系的句法分析
6.2.2 头驱动句法分析模型
6.3 一种新型的基于依存关系的统计模型
6.3.1 基于依存关系的词的聚类
6.3.2 基于依存关系和聚类的句法分析模型
6.4 本章小结
7 融合语言学知识的结构化句法分析
7.1 引言
7.2 语言学知识
7.2.1 语法分析
7.2.2 语义分析与语义角色标注
7.2.3 语用关系与汉语的词序
7.3 结构化句法分析模型
7.3.1 模型的特点和基础
7.3.2 模型的分析步骤
7.4.1 配价语法和配价结构
7.4.2 基于配价结构和短语结构树的语义分析
7.4.3 基于配价结构和语义依存关系的句法分析
统计模型
8 基于深度学习的自然语言处理
8.1 本体知识表示与知识图谱
8.2 深度神经网络模型
8.3 面向自然语言处理的深度学习典型应用
9 总结
9.1 研究成果总结
9.2 值得继续研究的问题
参考文献