谷歌吴军：数学之美

Table of Contents 封面 关于本书 声明 前言 系列一： 统计语言模型 系列二 -- 谈谈中文分词 系列三 -- 隐含马尔可夫模型在语言处理中的应用 系列 4 -- 怎样度量信息? 系列五 -- 简单之美：布尔代数和搜索引擎的索引 系列六 -- 图论和网络爬虫 系列七 -- 信息论在信息处理中的应用 系列八-- 贾里尼克的故事和现代语言处理 系列九 -- 如何确定网页和查询的相关性 系列十 有限状态机和地址识别 系列十一 - Google 阿卡 47 的制造者阿米特.辛格博士 系列 12 - 余弦定理和新闻的分类 系列十三 信息指纹及其应用 十四 谈谈数学模型的重要性 系列十五 繁与简 自然语言处理的几位精英 系列十六（上） 不要把所有的鸡蛋放在一个篮子里 系列十六 （下）－ 不要把所有的鸡蛋放在一个篮子里 系列十七 闪光的不一定是金子 谈谈搜索引擎作弊问题 系列十八 － 矩阵运算和文本处理中的分类问题 系列十九 － 马尔可夫链的扩展 贝叶斯网络 系列二十 －自然语言处理的教父 马库斯 系列二十一 － 布隆过滤器 系列二十二 由电视剧《暗算》所想到的 系列 二十三 输入一个汉字需要敲多少个键 系列 二十四 从全球导航到输入法——谈谈动态规划 数学之美 Google 吴军 内容简介 也许大家不相信，数学是解决信息检索和自然语言处理的最好工具。它 能非常清晰地描述这些领域的实际问题并且给出漂亮的解决办法。每当 人们应用数学工具解决一个语言问题时，总会感叹数学之美。我们希望 利用 Google 中文黑板报这块园地，介绍一些数学工具，以及我们是如 何利用这些工具来开发 Google 产品的。 系列一： 统计语言模型 (Statistical Language Models) Google的使命是整合全球的信息，所以我们一直致力于研究如何让机器 对信息、语言做最好的理解和处理。长期以来，人类一直梦想着能让机 器代替人来翻译语言、识别语 音、认识文字（不论是印刷体或手写 体）和进行海量文献的自动检索，这就需要让机器理解语言。但是人类 的语言可以说是信息里最复杂最动态的一部分。为了解决 这个问题， 人们容易想到的办法就是让机器模拟人类进行学习 - 学习人类的语法、 分析语句等等。尤其是在乔姆斯基（Noam Chomsky 有史以来最伟大的 语言学家）提出 “形式语言” 以后，人们更坚定了利用语法规则的办法 进行文字处理的信念。遗憾的是，几十年过去了，在计算机处理语言领 域，基于这个语法规则的方法几乎毫无突破。 其实早在几十年前，数学家兼信息论的祖师爷香农 (Claude Shannon)就 提出了......