自然语言逻辑是运用现代逻辑方法研究自然语言的新学科，其开端是蒙太格语法，以后发展出话语表现理论、类型-逻辑语法等理论。本书是从技术角度比较详尽地论述了这些理论对自然语言逻辑结构的分析处理。本书还评述了蒙太格语法和话语表现理论所产生的各具特色的逻辑推演系统。本书在自然语言逻辑的基础上，构造了一个汉语部分语句系统，据此给出汉语多种时态（如进行态，完成态和短暂态等）的严格定义，为全面深入研究汉语的时间结构提供了逻辑基础。

《面向知识表示与推理的自然语言逻辑》以知识表示与推理为应用牵引，以非经典逻辑(包括哲学逻辑和语言逻辑)为理论驱动，针对自然语言的内涵性、模糊性、交互性、形态性和多样性，分别构造了若干自然语言逻辑系统，包括：语境内涵逻辑、模糊量词逻辑、带群体知识的公开宣告逻辑、时态句型逻辑以及汉语灵活语序逻辑和汉语致使句逻辑，对现有的许多逻辑理论成果，如超内涵逻辑、自然逻辑、动态认知逻辑、多模态范畴逻辑和Lambek演算等进行了修正、拓展和改进，为今后的自然语言逻辑研究指明了新的方向。 知识表示与推理研究是探索人类智能的众多途径之一。传统的基于逻辑方法的知识表示与推理主要依赖于经典逻辑。经典逻辑并不是直接为基于自然语言的推理而设计的，而是为基于半人工化数学语言的推理量身定制的。但是，人类的大多数知识是用自然语言而不是用数学语言表达的。这就使得传统的知识表示与推理在应用...(展开全部)

本书对穆勒的名称理论、命题理论、分类和定义理论、“哲学语言”等语言逻辑思想作了较为全面而系统的研究，其中针对“涵谓”与“指谓”、“系词”、“数学符号语言”等问题的讨论进一步揭示了穆勒语言逻辑思想的丰富性，由此纠正了既有的穆勒语言逻辑思想研究偏向语义学而忽视语形学的倾向，并进而表明穆勒作为传统逻辑学者实际上在十九世纪后期传统逻辑向现代逻辑的转化过程中发挥了积极的作用。通过本书可管窥19世纪西方逻辑、语言、数学、自然科学尤其是博物学之间的密切关系，从而为我国汉语逻辑甚至汉语的研究提供更多可资借鉴的资源。

本书的主要目的是对自然语言理解领

《自然语言形式理论研究》：清华大学认知科学研究系列丛书

本书内容包括自然语言处理概述、Python语言简述、Python数据类型、Python流程控制、Python函数、Python数据科学、Sklearn和NLTK、语料清洗、特征工程、中文分词、文本分类、文本聚类、评价指标、信息提取和情感分析。附录给出教学大纲。

《中文信息处理丛书：统计自然语言处理（第2版）》全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、篇章分析、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。 《中文信息处理丛书：统计自然语言处理（第2版）》可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。

内容简介 本书全面介绍了统计自然语言处理的基本概念、理论方法和最新研究进展，内容包括形式语言与自动机及其在自然语言处理中的应用、语言模型、隐马尔可夫模型、语料库技术、汉语自动分词与词性标注、句法分析、词义消歧、统计机器翻译、语音翻译、文本分类、信息检索与问答系统、自动文摘和信息抽取、口语信息处理与人机对话系统等，既有对基础知识和理论模型的介绍，也有对相关问题的研究背景、实现方法和技术现状的详细阐述。 本书可作为高等院校计算机、信息技术等相关专业的高年级本科生或研究生的教材或参考书，也可供从事自然语言处理、数据挖掘和人工智能等研究的相关人员参考。 ------- 目录 第1章 绪论 1.1 基本概念 1.1.1 语言学与语音学 1.1.2 自然语言处理 1.1.3 关于“理解”的标准 1.2 自然语言处理研究的内容和面临的困难 1.2.1 自然语言处理...(展开全部)

自2017年推出以来，transformers已迅速成为在各种自然语言处理任务中实现最佳结果的主导架构。如果你是一名数据科学家或程序员，这本实践用书将向你展示如何使用Hugging Face Transformers(基于Python的深度学习库)训练和扩展这些大型模型。 Transformers已经被用来撰写真实的新闻故事、改进Google搜索查询，甚至创建会讲老套笑话的聊天机器人。在这本指南中，作者Lewis Tunstall、Leandro von Werra、Thomas Wolf(Hugging Face Transformers的创建者)通过实践方法来教你如何使用transformers以及如何将它集成到你的应用中。你将快速学习可以由transformers帮助解决的各种任务。 为核心NLP任务构建、调试和优化transformers模型...(展开全部)

《自然语言处理导论》主要介绍自然语言处理理论与技术，旨在让更多人了解和学习自然语言处理技术，让人工智能更好地为我们服务。 《自然语言处理导论》共16章，包括自然语言理解基础和具体任务探索两部分，主要讲述了自然语言处理文本表示、分析、挖掘、推理等方面的相关概念、方法、技术和近期研究进展；详细介绍了文本分类、情感计算、知识抽取等基础方法；全面讲述了自动文摘、问答系统、机器翻译、社会计算、内容生成和跨模态计算等具体任务；最后讨论了深度学习前沿问题。 《自然语言处理导论》致力于帮助高等院校计算机相关专业学生牢固掌握自然语言处理的基本理论与技术，掌握如何分析文本信息、解决问题、完成相关研究的方法，以及了解自然语言处理的典型应用场景。