计算语言学导论

.二、自动机的定义（39）
第四章 语法理论和表示形式（46）
第一节 ｇｂ理论（46）
第二节 词汇功能语法（49）
第三节 广义词组结构语法（51）
第四节树连接语法（53）
第五节链语法（55）
第五章 语言的识别与分析（57）
第一节 有限状态语法的识别和分析算法（58）
第二节 上下文无关语法的识别和分析算法（58）
一、移进—归约法（58）
二、由底向上的图表法（64）
三、欧雷算法（69）
四、 ｇｌｒ算法（70）
五、链语法的识别算法（82）
第三节 其他类型的分析器（85）
一、基于原则的分析方法（85）
二、基于归一的分析方法（87）
第六章 计算语义方面的一些工作（91）
第一节 语义理论简介（91）
一、词的指称作为意义（91）
二、心理图象，大脑图象或思想作为意义（92）
三、说话者的意图作为意义（92） ..
四、过程语义（93）
五、词汇分解学派（93）
六、条件真理模型（94）
七、情景语义学（94）
八、语义网络（95）
九、模态逻辑（95）
第二节 计算语义学的一些代表工作（96）
一、概念依赖理论（96）
二、选择限制学说（99）
三、指代化解（101）
四、计算语义学的一些其他方面（103）
第七章 容错分析（106）
第一节 基于关键词或中心词的方法（106）
第二节 省略不识词的方法（107）
第三节 元规则方法（108）
第四节 同化法（109）
第八章 概率语法（116）
第一节 ngram（116）
一、减值法（discounting）（118）
二、删除插值法（deleted interpolation）（121）
三、基于词分类的 ngram （122）
第二节 隐马尔柯夫模型（122）
一、马尔柯夫模型（122）
二、隐马尔柯夫模型（124）
三、向前算法（126）
四、韦特比算法（130）
五、向前向后算法（132）
第三节 概率上下文无关文法（136）
一、向内算法（37）
二、韦特比算法（139）
三、向内向外算法（140）
第九章 语言学习（145）
第一节 词分类（145）
第二节 词法学习（148）
一、语法框架（148）
二、词汇选择(lexical selection) （152）
第三节 语法学习（155）
一、有限状态自动机的机器学习（155）
二、语接推导的理论问题（159）
三、贝叶斯推理在语怯推导中的应用（161）
第十章 当前计算语言学的研究（166）
第一节 统计学机器翻译（166）
一、ibm 统计学机器翻译（167）
二、参数训练（168）
三、源语言搜索（169）
第二节 词类标识（part-of-speech tagging）（170）
一、隐马尔柯夫模型词类标识（171）
二、基于规则的词类标识（172）
第三节 歧义化解（disambiguation）（174）
一、基于结构的语法歧义化解（ｌ75）
二、统计学语法歧义化解（177）
三、词汇歧义化解（lexiical disambiguation）（180）
附录a汉英术语对照（185）
附录b有关计算语言学的重要期刊和会议（194）
附录c参考文献（196）...