统计语言模型内在机制及应用

第1章 统计语言模型概述
1．1 自然语言处理的基本方法
1．1．1 理性主义和经验主义交互发展历程
1．1．2 理性主义和经验主义的比较
1．2 统计语言模型相关概念及研究进展
1．2．1 语料库和语料库语言学
1．2．2 统计语言模型相关概念
1．2．3 统计语言模型研究进展
1．3 常见的统计语言模型
1．3．1 N元语法模型
1．3．2 朴素贝叶斯分类器
1．3．3 隐马尔可夫模型
1．3．4 最大熵模型
1．3．5 条件随机场
1．3．6 神经网络语言模型及深度学习
1．4 探讨统计语言模型内在机制的关键
1．4．1 探讨统计语言模型内在机制的关键
1．4．2 应用统计语言模型的关键
1．5 本书组织结构
1．6 小结
参考文献
第2章 统计语言模型基础知识
2．1 概率论基础
2．1．1 基本概念
2．1．2 条件概率与独立
2．1．3 全概率公式与贝叶斯公式
2．1．4 随机变量
2．1．5 数学期望与方差
2．1．6 常见概率分布
2．1．7 最大似然估计
2．2 图论基础
2．2．1 基本概念
2．2．2 子图与图的运算
2．2．3 图的表示
2．2．4 通路、回路和连通性
2．3 数据稀疏与数据平滑
2． 3．1 数据稀疏
2．3．2 数据平滑
2．4 小结
参考文献
第3章 朴素贝叶斯分类器及其应用
3．1 朴素贝叶斯分类的机制
3．1．1 贝叶斯定理
3．1．2 朴素贝叶斯分类的机制
3．2 朴素贝叶斯分类器的训练学习
3．2．1 最大似然估计
3．2．2 学习和分类算法
3．2．3 贝叶斯估计
3．3 朴素贝叶斯分类的应用
3．3．1 基于朴素贝叶斯的中文人名性别判定系统
3．3．2 基于朴素贝叶斯的其他应用
3．4 小结
参考文献
第4章 隐马尔可夫模型及其应用
4．1 马尔可夫模型
4．1．1 马尔可夫过程和马尔可夫性
4．1．2 马尔可夫模型
4．1．3 马尔可夫模型应用举例
4．2 隐马尔可夫模型简介
4．2．1 隐马尔可夫模型的定义
4．2．2 隐马尔可夫模型的一般描述
4．2．3 隐马尔可夫模型的3个基本问题
4．3 隐马尔可夫模型3个基本问题的解决
……
第5章 最大熵模型及其应用
第6章 条件随机场及其应用
第7章 统计语言模型之间的联系与区别
第8章 深度学习及其在自然语言处理中的应用
第9章 统计语言模型研究展望
附录