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: First Edition نویسندگان: Eugene Charniak سری: Language, Speech, and Communication ISBN (شابک) : 0262032163, 9780262032162 ناشر: MIT Press سال نشر: 1993 تعداد صفحات: 190 زبان: English فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
کلمات کلیدی مربوط به کتاب یادگیری آماری زبان: علوم و مهندسی کامپیوتر، هوش مصنوعی، زبانشناسی محاسباتی
در صورت تبدیل فایل کتاب Statistical Language Learning 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 یادگیری آماری زبان 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.
یوجین چارنیاک با ارائه پردازش زبان آماری از دیدگاه هوش مصنوعی در متنی برای محققان و دانشمندان با پیشینه سنتی علوم کامپیوتر، زمینه جدیدی را در تحقیقات هوش مصنوعی میگشاید. برای خروج از بن بست در چنین زمینههایی به روشهای تجربی جدید و دقیقی نیاز است. هوش مصنوعی به عنوان رباتیک، بازنمایی دانش، یادگیری ماشینی، ترجمه ماشینی و پردازش زبان طبیعی (NLP). چارنیاک مشاهده می کند که زمان آن فرا رسیده است که پارادایم ها را تغییر دهیم. این متن تکنیکهای پردازش زبان آماری - برچسبگذاری کلمه، تجزیه با گرامرهای آزاد زمینه احتمالی، القاء دستوری، ابهامزدایی نحوی، کلاسهای کلمه معنایی، ابهامزدایی معنای کلمه - را به همراه ریاضیات اساسی و تمرینهای فصل معرفی میکند.چارنیاک اشاره میکند که به عنوان روشی برای در حمله به مشکلات NLP، رویکرد آماری دارای چندین مزیت است. این مبتنی بر متن واقعی است و بنابراین نوید تولید نتایج قابل استفاده را می دهد، و یک راه واضح برای نزدیک شدن به یادگیری ارائه می دهد: "کسی به سادگی آمار جمع آوری می کند."
Eugene Charniak breaks new ground in artificial intelligence research by presenting statistical language processing from an artificial intelligence point of view in a text for researchers and scientists with a traditional computer science background.New, exacting empirical methods are needed to break the deadlock in such areas of artificial intelligence as robotics, knowledge representation, machine learning, machine translation, and natural language processing (NLP). It is time, Charniak observes, to switch paradigms. This text introduces statistical language processing techniques - word tagging, parsing with probabilistic context free grammars, grammar induction, syntactic disambiguation, semantic word classes, word-sense disambiguation - along with the underlying mathematics and chapter exercises.Charniak points out that as a method of attacking NLP problems, the statistical approach has several advantages. It is grounded in real text and therefore promises to produce usable results, and it offers an obvious way to approach learning: "one simply gathers statistics."