دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Sandra Kubler, Ryan McDonald, Joakim Nivre, Graeme Hirst سری: Synthesis Lectures on Human Language Technologies ISBN (شابک) : 9781598295962, 1598295969 ناشر: Morgan and Claypool Publishers سال نشر: 2009 تعداد صفحات: 127 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه وابستگی: علوم و مهندسی کامپیوتر، هوش مصنوعی، زبانشناسی محاسباتی
در صورت تبدیل فایل کتاب Dependency parsing به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه وابستگی نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
روشهای مبتنی بر وابستگی برای تجزیه نحوی در سالهای اخیر به طور فزایندهای در پردازش زبان طبیعی رایج شدهاند. این کتاب به معرفی کامل روش هایی می پردازد که امروزه بیشتر مورد استفاده قرار می گیرند. پس از مقدمهای بر گرامر وابستگی و تجزیه وابستگی، و به دنبال توصیف رسمی مسئله تجزیه وابستگی، این کتاب به بررسی سه کلاس اصلی مدلهای تجزیهای که در حال حاضر استفاده میشوند میپردازد: مدلهای مبتنی بر انتقال، مبتنی بر نمودار و مدلهای مبتنی بر دستور زبان. . این مقاله با یک فصل در مورد ارزیابی و یک فصل در مورد مقایسه روش های مختلف ادامه می یابد و با چند کلمه در مورد روندهای فعلی و چشم انداز آینده تجزیه وابستگی پایان می یابد. پیشفرض این کتاب، دانش مفاهیم پایه در زبانشناسی و علوم کامپیوتر، و همچنین دانش روشهای تجزیه برای بازنماییهای حوزههای انتخابیه است. فهرست مطالب: مقدمه / تجزیه وابستگی / تجزیه مبتنی بر انتقال / تجزیه مبتنی بر نمودار / تجزیه بر اساس گرامر / ارزیابی / مقایسه / افکار نهایی
Dependency-based methods for syntactic parsing have become increasingly popular in natural language processing in recent years. This book gives a thorough introduction to the methods that are most widely used today. After an introduction to dependency grammar and dependency parsing, followed by a formal characterization of the dependency parsing problem, the book surveys the three major classes of parsing models that are in current use: transition-based, graph-based, and grammar-based models. It continues with a chapter on evaluation and one on the comparison of different methods, and it closes with a few words on current trends and future prospects of dependency parsing. The book presupposes a knowledge of basic concepts in linguistics and computer science, as well as some knowledge of parsing methods for constituency-based representations. Table of Contents: Introduction / Dependency Parsing / Transition-Based Parsing / Graph-Based Parsing / Grammar-Based Parsing / Evaluation / Comparison / Final Thoughts