Algebraic Structures in Natural Language! #BigData #Analytics #DataScience #AI #MachineLearning #IoT #IIoT #Python #RStats #TensorFlow #ReactJS #NLProc #Serverless #Linux #Books #Mathematics #Programming #Coding #100DaysofCode https://t.co/LgTGtm1Anf https://t.co/kVQfvih32m

Amazon | Algebraic Structures in Natural Language | Lappin, Shalom, Bernardy, Jean-Philippe | Theory of Computing

来源: https://www.amazon.co.jp/dp/1032066547?tag=jplinktagdefault-22&geniuslink=true

《自然语言中的代数结构》探讨了认知科学中的一个核心问题：人类习得和表征自然语言所采用的学习机制。直到近期，代数系统一直主导着形式语言学、计算语言学、人工智能以及语言心理学对自然语言的研究——语言知识被视为编码在形式语法、模型理论、证明理论及其他规则驱动装置中。然而，深度学习领域的最新进展催生了一套日益强大的通用学习机制，这些机制并不依赖基于规则的代数表征模型。深度学习在自然语言处理中取得的成功，促使一些研究者质疑代数模型在人类语言习得和语言表征研究中的作用。同时，心理学家和认知科学家也在探索基于概率方法、社会互动和信息论的语言演化与习得解释，而非依赖语法归纳的形式模型。

本书聚焦于人类习得自然语言的学习过程，以及人类如何表征语言属性。它汇集了来自计算语言学、心理学、行为科学和数理语言学领域的顶尖学者，共同探讨非代数方法对自然语言研究的意义。书中呈现了从“代数系统基本无关紧要”到“非代数学习方法只是高效识别潜在语法和语义模型所生成自然语言输入模式的工程手段”等广泛观点。在这两种对立立场之间，还存在许多有趣且重要的中间视角，它们可能融合了两种方法的要素。本书适合上述领域的研究人员和高级学生阅读，也适合任何希望深入了解计算模型与自然语言之间关系的读者。