封面
前折页
书名页
版权
译者序
前言
致谢
第1章 对人工智能时代的语言学的展望
 1.1 什么是人工智能时代的语言学
 1.2 语言难在哪里
 1.3 自然语言处理的历史
 1.4 人工智能时代的语言学的四大支柱
  1.4.1 支柱理论1：语言处理功能是在一个集成、全面的智能体架构中开发的
  1.4.2 支柱理论2：建模受人类启发，面向人工智能的解释性和可行性
  1.4.3 支柱理论3：启示是从语言学学术研究中获得的，反过来又为该学术研究做出贡献
  1.4.4 支柱理论4：在提取和表示语言输入的意义时，会纳入所有可用的启发式证据
 1.5 本书的目标
 1.6 深入探讨
  1.6.1 现象学立场
  1.6.2 学习
  1.6.3 NLP和NLU：不是非此即彼
  1.6.4 认知系统：总览
  1.6.5 AI的可解释性
  1.6.6 NLP历史上的增量
  1.6.7 为什么机器可读的、面向人类的资源仍然不足
  1.6.8 知识精益范式中的共指
  1.6.9 对话行为检测
  1.6.10 关联
  1.6.11 关于经验主义NLP的更多内容
  1.6.12 人工语料库注释：贡献、复杂性和局限性
 1.7 进一步探索
第2章 LEIA中的自然语言理解概述
 2.1 理论、方法和策略
 2.2 热身示例
 2.3 知识库
  2.3.1 本体
  2.3.2 词典
  2.3.3 情景记忆
 2.4 增量
 2.5 NLU的阶段及关联决策制定
  2.5.1 预语义分析后的决策制定
  2.5.2 预语义整合后的决策制定
  2.5.3 基础语义分析后的决策制定
  2.5.4 基础共指消解后的决策制定
  2.5.5 扩展语义分析后的决策制定
  2.5.6 情境推理后的决策制定
 2.6 微理论
 2.7 “黄金”文本意义表示
 2.8 深入探讨
  2.8.1 LEIA知识表示语言与其他选项
  2.8.2 本体问题
  2.8.3 词典问题
  2.8.4 自然语言和本体元语言中的释义
 2.9 进一步探索
第3章 预语义分析和整合
 3.1 预语义分析
 3.2 预语义整合
  3.2.1 句法映射：基本策略
  3.2.2 从产生的错误中恢复
  3.2.3 学习新单词和词义
  3.2.4 优化不准确的句法映射
  3.2.5 某些句法决策的重新解释
  3.2.6 处理已知类型的解析错误
  3.2.7 从恢复算法到工程策略
 3.3 管理组合复杂性
 3.4 总结
 3.5 进一步探索
第4章 基础语义分析
 4.1 修饰
  4.1.1 记录属性值
  4.1.2 标量属性的动态计算值
  4.1.3 使用概念组合解释修饰语
  4.1.4 相对文本成分的动态计算值
  4.1.5 量化和集合
  4.1.6 间接修饰
  4.1.7 回顾
 4.2 命题级语义增强
  4.2.1 情态
  4.2.2 动词体
  4.2.3 非情态、非体框架动词
  4.2.4 疑问
  4.2.5 祈使
  4.2.6 回顾
 4.3 作为词汇构造的多成分实体
  4.3.1 构造中的语义空成分
  4.3.2 零语义的典型用途
  4.3.3 零语义成分的修饰
  4.3.4 语义层次结构
  4.3.5 额外的知识表示需求
  4.3.6 回顾
 4.4 间接言语行为的词汇化
 4.5 名词复合词的词汇化
 4.6 隐喻的词汇化
  4.6.1 过去关于隐喻的工作
  4.6.2 传统隐喻
  4.6.3 系动词隐喻
  4.6.4 回顾
 4.7 转喻的词汇化
 4.8 省略
  4.8.1 动词短语省略
  4.8.2 动词短语省略结构
  4.8.3 事件省略：体+NP宾语
  4.8.4 事件省略：词汇特质
  4.8.5 事件省略：变化条件
  4.8.6 省略
  4.8.7 中心词省略
  4.8.8 回顾
 4.9 片段式表述
 4.10 不选择可选直接宾语
 4.11 未知词汇
  4.11.1 完全未知的词汇
  4.11.2 词性不同的已知词汇
 4.12 总结
 4.13 进一步探索
第5章 基础共指消解
 5.1 指代消解的非技术性概述
  5.1.1 定义
  5.1.2 基于示例的概述
  5.1.3 共指消解面临的挑战
  5.1.4 关于省略的特殊注意事项
  5.1.5 总结
 5.2 人称代词
  5.2.1 使用外部开发的引擎解析人称代词
  5.2.2 使用词汇句法构造解析人称代词
  5.2.3 假设代词共指的语义判定
  5.2.4 回顾
 5.3 代词广义指称表达
  5.3.1 使用构造方法解析代词广义指称表达
  5.3.2 在语法简单的上下文中解析代词广义指称表达
  5.3.3 使用必须停止标识解析代词广义指称表达
  5.3.4 使用谓语名词的意义解析代词广义指称表达
  5.3.5 使用选择约束解析代词广义指称表达
  5.3.6 回顾
 5.4 确定性描述
  5.4.1 确定性描述处理——现状回顾
  5.4.2 确定性描述处理——基础共指消解阶段
  5.4.3 确定性描述处理——情境推理阶段
  5.4.4 回顾
 5.5 回指事件共指
  5.5.1 支撑词的动词/EVENT中心词是什么
  5.5.2 事件之间是否存在实例共指或类型共指
  5.5.3 动词短语中的宾语之间是否存在实例共指或类型共指
  5.5.4 支撑词从句中的修饰语应被纳入解析还是排除在外
  5.5.5 情态动词和其他限定词应被纳入解析还是排除在外
  5.5.6 回顾
 5.6 其他省略或未具体指定的事件
 5.7 动词表达的共指事件
 5.8 进一步探索
第6章 扩展语义分析
 6.1 处理残余歧义
  6.1.1 对象通过基本属性连接
  6.1.2 对象是同一事件的格角色填充项
  6.1.3 对象通过可本体分解的属性连接
  6.1.4 对象通过模糊属性进行聚类
  6.1.5 对象通过动态计算的短本体路径连接
  6.1.6 使用TMR库进行类比推理
  6.1.7 回顾
 6.2 解决不一致问题
  6.2.1 转喻
  6.2.2 介词替换
  6.2.3 习语的创造性使用
  6.2.4 动态计算的间接修饰
  6.2.5 回顾
 6.3 解决未指定问题
  6.3.1 未被词汇意义覆盖的名词复合词
  6.3.2 变更事件中的缺失值
  6.3.3 欠依据和未指定的比较
  6.3.4 回顾
 6.4 将片段融入话语意义
 6.5 进一步探索
第7章 情境推理
 7.1 OntoAgent认知架构
 7.2 破碎的语法
 7.3 残余词汇歧义：基于领域的偏好
 7.4 残余言语行为歧义
 7.5 未指定的已知表达
 7.6 未指定的未知词分析
 7.7 情境指代
  7.7.1 审核先前识别的语言支撑词的RefEx
  7.7.2 识别剩余RefEx的支撑词
  7.7.3 将与所有RefEx关联的TMR锚定到记忆中
 7.8 残余隐含意义
 7.9 阅读学习
第8章 智能体应用：深度集成自然语言理解的合理性
 8.1 马里兰虚拟病人系统
  8.1.1 生理建模
  8.1.2 示例：GERD的疾病模型
  8.1.3 认知建模
  8.1.4 系统运行示例
  8.1.5 可视化疾病模型
  8.1.6 MVP风格模型在多大程度上可以从文本中自动学习
  8.1.7 认知模型在多大程度上可以从人类中自动提取
 8.2 用于标记认知偏差的临床助手
  8.2.1 避免偏差的记忆支持
  8.2.2 检测和标记临床医生偏差
  8.2.3 检测和标记患者偏差
 8.3 LEIA在机器人中的应用
 8.4 关于智能体应用的要点
第9章 评估进展
 9.1 评估选项，以及为什么标准选项不适用
 9.2 五个组件级别的评估实验
  9.2.1 名词复合
  9.2.2 多词表达
  9.2.3 词汇消歧与语义依存结构的建立
  9.2.4 困难的指称表达
  9.2.5 动词短语省略
 9.3 整体评估
 9.4 最后的思考
后记
注释
参考文献
后折页
封底