第一章 计算语言学简介
第一节 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
第一节 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
第一节 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
第一节 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
第一节 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
第一节 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
第一节 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
第一节 Ngram
一 减值法(Discounting)
二 删除插值法(Deleted Interpolation)
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
第一节 词分类
第二节 词法学习
一 语法框架
二 词汇选择(Lexical Selection)
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
第一节 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-Speech Tagging)
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(Lexical Disambiguation)
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
展开
