[NLP]Introduction

Models In NLP

State Machines（状态机）

这类模型，包含了状态和状态之间的转换。

Rule Systems Models

这种模型，考虑规范性的语法等。

上面的State Machines和Rule Systems主要用于自然语言词法和语法的分析，因为这两种方法规范性都很强。

Logic Models

为语义或者语用学构建模型的方法。

Probabilistic Models

概率统计的方法可以和前面的方法相结合。

下面我会学习，hidden Markov models and HMMs。

使用概率统计的方法，最大的优点和优势就是：

解决NLP中出现歧义的情况：given N choices, then chose the most probable one.

Vector-Space Models

基于线性代数。

无论是上面哪种模型，我们在使用他们解决问题的时候，都是在问题和数据空间中，搜索相应的信息，做一定的匹配或者选择。

比如Speech recognition，我们在空间中搜索一个词或者词组去匹配一段音频；句法分析的时候，我们想要找到一个合适的语法树对应输入的语句；机器翻译的时候，我们需要找到一种语言到另一种语言的翻译规则或者说是一组假设。