自然语言处理

本书的前两部分介绍了自然语言处理中的许多问题都可以通过一组紧凑的方法来解决，一种是包括维特比、CKY、最小生成树、移位约简、整数线性规划、束搜索在内的搜索方法；另一种是包括最大似然估计、逻辑回归、感知器、期望最大化、矩阵分解、反向传播在内的学习方法。本书解释了这些方法是如何工作的，以及它们如何应用于广泛的任务，例如文档分类、词义消歧、词性标注、命名实体识别、解析、共指解析、关系提取、话语分析、语言建模和机器翻译等。

雅各布·爱森斯坦（Jacob Eisenstein），现任谷歌研究科学家，从事计算语言学与自然语言处理的研究，致力于使语言技术更加健壮且值得信赖。2012年至2019年于佐治亚理工学院任教，领导计算语言学实验室。2019年7月，加入谷歌人工智能研究院，担任研究科学家。麻省理工学院博士。

徐金安，CCF杰出会员，北京交通大学计算机学院教授，自然语言处理专业负责人，语言智能与大数据处理研究所负责人。主要研究方向包括：自然语言处理、机器翻译、大模型、知识图谱及其应用、自动问答、对话系统、人机交互等。日本北海道大学工学博士。

译者序

前言

符号表

第1章 引言

1.1 自然语言处理及相关内容

1.2 自然语言处理的三个主题

1.2.1 学习与知识

1.2.2 搜索与学习

1.2.3 关系、组合和分布的视角

第一部分 学习

第2章 线性文本分类任务

2.1 词袋模型

2.2 朴素贝叶斯

2.2.1 类型和单词

2.2.2 预测

2.2.3 估计

2.2.4 平滑处理

2.2.5 设置超参数

2.3 判别学习

2.3.1 感知器

2.3.2 基于均值的感知器算法

2.4 损失函数与大间隔分类

……