算法语言学

Ⅰ 什么是算法

通俗点说，就是计算机解题的过程。在这个过程中，无论是形成解题思路还是编写程序，都是在实施某种算法。前者是推理实现的算法，后者是操作实现的算法。一个算法应该具有以下五个重要的特征： 有穷性： 一个算法必须保证执行有限步之后结束； 确切性： 算法的每一步骤必须有确切的定义； 输入：一个算法有0个或多个输入，以刻画运算对象的初始情况，所谓0个输入是指算法本身定除了初始条件； 输出：一个算法有一个或多个输出，以反映对输入数据加工后的结果。没有输出的算法是毫无意义的； 可行性： 算法原则上能够精确地运行，而且人们用笔和纸做有限次运算后即可完成。 Did you knowAlgorithm 一词的由来Algorithm(算法)一词本身就十分有趣。初看起来，这个词好像是某人打算要写“Logarithm”(对数)一词但却把头四个字母写的前后颠倒了。这个词一直到1957年之前在Webster's New World Dictionary(《韦氏新世界词典》)中还未出现，我们只能找到带有它的古代涵义的较老形式的“Algorism”(算术)，指的是用阿拉伯数字进行算术运算的过程。在中世纪时，珠算家用算盘进行计算，而算术家用算术进行计算。中世纪之后，对这个词的起源已经拿不准了，早期的语言学家试图推断它的来历，认为它是从把algiros(费力的)+arithmos(数字)组合起来派生而成的，但另一些人则不同意这种说法，认为这个词是从“喀斯迪尔国王Algor”派生而来的。最后，数学史学家发现了algorism(算术)一词的真实起源：它来源于着名的Persian Textbook(《波斯教科书》)的作者的名字Abu Ja'far Mohammed ibn M�0�4s�0�9 al-Khow�0�9rizm （约公元前825年）——从字面上看，这个名字的意思是“Ja'far 的父亲，Mohammed 和M�0�4s�0�9 的儿子，Khow�0�9rizm 的本地人”。Khow�0�9rizm 是前苏联XИBA(基发) 的小城镇 。Al-Khow�0�9rizm 写了着名的书Kitab al jabr w'al-muqabala (《复原和化简的规则》)；另一个词，“algebra”(代数)，是从他的书的标题引出来的，尽管这本书实际上根本不是讲代数的。逐渐地，“algorism”的形式和意义就变得面目全非了。如牛津英语字典所说明的，这个词是由于同arithmetic(算术)相混淆而形成的错拼词。由algorism又变成algorithm。一本早期的德文数学词典 Vollstandiges Mathematisches Lexicon (《数学大全辞典》) ，给出了Algorithmus (算法)一词的如下定义：“在这个名称之下，组合了四种类型的算术计算的概念，即加法、乘法、减法、除法”。拉顶短语algorithmus infinitesimalis (无限小方法) ，在当时就用来表示Leibnitz(莱布尼兹)所发明的以无限小量进行计算的微积分方法。1950年左右，algorithm一词经常地同欧几里德算法(Euclid's algorithm)联系在一起。这个算法就是在欧几里德的《几何原本》(Euclid's Elements ,第VII卷，命题i和ii)中所阐述的求两个数的最大公约数的过程(即辗转相除法)。

Ⅱ 语言学是如何发展的

现代语言学的主要发展历程
(一)历史比较语言学
在现代语言学发展的初期，历史比较语言学通过在世界各地搜集和整理语言标本，通过丰富的第一手资料的比较、分类、归纳、总结，发现了语言的不断演变发展的客观历史。语言学家在把各个时期的语言、语法、词汇对应关系加以对比研究后，证实了印欧诸语言的有机联系，并且开始研究本族语及其亲属语言的联系和它们的发展规律，从而打破了形而上学的固定不变的框架，建立了现代语言学的第一个里程碑。
但是历史比较语言学也有它的局限性：它过分偏重于语言的纵向历史研究，面忽视了横向的系统研究。到了20世纪初，现代语言学进入了第二个时期，产生了结构主义语言学。
(二)结构主义语言学
结构主义语言学认为每种语言都有一套独特的关系结构，语言中的个别单位都是在跟其他单位的区别和对立中存在的，而不是孤立存在的。结构主义学派的创始人、瑞士语言学家索绪尔的《普通语言学教程》是一部划时代的着作，他在书中提出的新的概念、原则和理论为现代语言学研究打下了科学的基础。
索绪尔认为语言行为有两部分不同的性质，一部分具有社会性，是主要的具有共性的本质，称为“语言”(langue)，另一部分具有个别性，是次要的，因人而异，称为“言语”(parole)。这两个部分是互相联系的，但是它们有本质上的差别，应该分别对待。语言和言语是互相依存的。语言既是言语的工具，又是言语的产物。
按照索绪尔的学说，语言的特点在于声音和意义之间的关系，这些关系有一定的结构规划，从而组成了语言的符号系统。符号由“能指”和“所指”两部分构成。索绪尔还指出了语言的横线组合关系和竖线聚合关系的特点。
布龙菲尔德的《语言论》是美国结构主义语言学的奠基性着作。他提出了语言的科学描写的标准，制定了描写语言结构的总框架。他认为语言是音义结合的词汇和语法两部分构成的整体，描写语言结构应该从音位学开始。
结构主义采用了系统论的原则，即整体性原则、结构性原则、层次性原则、动态性原则。这些原则非常适用于语言这个系统。结构主义语言学对认识语言的系统性做出了突出的贡献。
到了20世纪中叶，语言学由于受到数理逻辑的影响，进入了第三个时期--语音、语法、语义、语用的综合研究时期，这一时期的特点是：把语言看作复杂的信息系统，不仅用实验技术和归纳方法，而且采用建立数学符号模型和形式演绎的方法。实验语言学将语言结构划分出词句层次、音节层次和音素层次等等。
(三)转换生成语言学
美国语言学家乔姆斯基不满足于观察言语行为的表面现象，而要探索内在的语言能力。他提出了一个全新的语言观：语言这个概念是从语法派生出来的。他在1957年出版了着名的《语法结构》一书，提出了“转换生成语法”。
乔姆斯基把语言学看成跟自然科学一样，可以从假设出发，进行推演并形式化。他提出把句法关系作为语言结构的中心，并且以此说明语言的生成性。乔姆斯基区分了语言的深层结构和表层结构，指出语言学家的任务是揭示深层结构到表层结构的转换。他认为研究语言的目的不应当只是分类的描写，而应当建立起一整套的形式化的演绎系统，这种形式系统包含有限的语法规则，却能生成无限的符合语法的句子，并且能对句子的结构做出描写。乔姆斯基还假设人们有一种语言习得机制，它可以用严谨的数学模型来加以类比和推导。他认为语言能力是人类天赋的，语言行为是语言能力的具体表现。
乔姆斯基的全新的语言观被认为是一场语言学的革命。它所产生的巨大影响波及到世界各国的语言学界，而且，还在数学、社会学、哲学、心理学和计算机科学等广大领域里产生了相当大的影响。
(四)系统功能语言学
以英国的语言学家韩礼德为代表的功能学派认为语言是一种社会现象，强调交际和交流是语言的基本功能，因此，研究语言不仅要重视它的形式结构意义，而且要重视词句与社会文化的情景意义。韩礼德认为系统是第一性的，并且对语义功能进行了系统分类。他从语言运用的角度提出了语言有三种功能：概念功能、人际功能和语篇功能。
韩礼德认为，结构研究是语言的表层形式，而系统研究是语言的深层形式，是语言的意义潜势(meaningpotential)，这二者是互相联系的，缺少其中任何一项都不能对语言进行全面的描写。
系统功能语法学派认为语言首先是一种“行为”，是一种“做”(doing)的形式，而不是一种“知”(knowing)的形式。也就是说，仅仅具有语言知识是不够的，重要的是要能够实际运用语言。语言行为是人与人之间、人与环境之间进行交往、相互作用的社会现象。运用系统理论研究语言，就是把语言看作一种社会符号系统，并且用这一符号系统来认识社会，认识社会与人以及人与人之间的关系，最终建立动态化的语言社会模式。系统理论把研究重点放在语篇上，认为语言必须通过特定的语言组合(即存在于某一特定语境中的语篇)，才能充分实现其意义。
韩礼德的语言理论不但探讨了语言的形式，还研究了语言的意义和功能，并且分析了语言与社会的关系。系统功能语法把语言的实际使用作为研究对象，并且在应用过程中不断地检验和完善理论，具有较强的科学性和实践性。

现代语言学的发展前景
20世纪电子计算机问世以来，与语言学相结合，使语言学发生了巨大的变化。计算机的使用是今天语言学研究迅速发展的重要因素。同时，计算机也离不开语言学，因为计算机软件的核心是算法语言，计算机科学的主要理论基础是形式语言学。可以说，没有现代语言学，计算机就无法得到充分的发展和广泛的应用。语言学与计算机是紧密联系，互相促进的。
语言学是一门复杂的科学。对于其中的许多问题，各种学派的观点很不相同，看法还很不一致。可以说，语言的奥秘至今还没有完全被人类真正认识，许多问题还需要作进一步的探索。现代语言学的发展说明，我们应该多角度、多层次、全方位地研究语言，对语言体系、言语活动、言语机制等各方面进行深入广泛的研究，才能全面深刻地认识语言的奥秘，更好地运用语言和充分发挥语言的作用。随着语言科学的发展，语言学应用的方面越来越广。由于不同学科之间的互相渗透，产生了应用语言学、社会语言学、心理语言学、神经语言学、数理语言学、计算语言学(工程语言学)、统计语言学、模糊语言学、语料库语言学、话语语言学(篇章语言学)、教育语言学、对比语言学、人类语言学、类型语言学、民俗语言学、文化语言学、艺术语言学、传播语言学、公关语言学、写作语言学、生理语言学、生物语言学、辅助语言学、宇宙语言学等等语言学的众多分支学科，而且今后必然还会出现更多的与语言学相关的交叉学科。此外，速记、机器翻译、信息处理、情报检索、语言规划等许多与语言有关的问题也值得我们进一步地认真研究。
语言是人类特有的宝贵财产。没有语言，就没有人类的文明。语言学是一门领先的科学，它的发展对人文科学、社会科学和自然科学的发展都有重大意义。人类对语言的认识经历了漫长道路，如今还在继续向前探索。从古到今，语言学家们的视野逐步扩大，探索逐步深入。语言学家的研究从古代语言转向现代语言，从书面语转向口语，从个别的语言项目转向整个的语言系统，从一种语言的某些特征转向多种语言共同特征，从语言的结构转向语言的功能，从语言的表面形成转向语言的深层意义，从语法、词汇转向语义、语用，从把语言作为一个孤立的研究对象转向研究语言与社会文化等等的千丝万缕的联系，研究的范围越来越广，头绪越来越多。近几十年来语言学的迅速发展，已经引起了学术界的关注。语言学和各种科学思潮的关系，是近代自然科学和社会科学交叉渗透的重要部分，语言学的思想和方法对哲学和其他学科都产生过极大的影响，推动着语言科学不断向前发展。人类在探索神奇的语言奥秘的过程中，视野必然会越来越开阔，认识也将会越来越深化。语言学的研究有着非常美好的发展前景。

Ⅲ nlp算法是什么

nlp算法是自然语言处理。

自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。

它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。

nlp算法发展：

在一般情况下，用户可能不熟悉机器语言，所以自然语言处理技术可以帮助这样的用户使用自然语言和机器交流。从建模的角度看，为了方便计算机处理，自然语言可以被定义为一组规则或符号的集合，我们组合集合中的符号来传递各种信息。

这些年，NLP研究取得了长足的进步，逐渐发展成为一门独立的学科，从自然语言的角度出发，NLP基本可以分为两个部分：自然语言处理以及自然语言生成，演化为理解和生成文本的任务。

Ⅳ 深度学习在nlp领域成绩斐然，计算语言学家该不该惊慌

深度学习首先在图像、声音和语义识别取得了长足的进步，特别是在图像和声音领域相比传统的算法大大提升了识别率，其实也很容易理解，深度学习是仿人来大脑神经感知外部世界的算法，而最直接的外部自然信号莫过于图像、声音和文字（非语义）。
图像识别：图像是深度学习最早尝试的领域，大牛Yann LeCun早在1989年就开始了卷积神经网络的研究，取得了在一些小规模（手写字）的图像识别的成果，但在像素丰富的图片上迟迟没有突破，直到2012年Hinton和他学生在ImageNet上的突破，使识别精度提高了一大步。2014年，香港中文大学教授汤晓鸥领导的计算机视觉研究组开发了名为DeepID的深度学习模型， 在LFW (Labeled Faces in the Wild，人脸识别使用非常广泛的测试基准)数据库上获得了99.15%的识别率，人用肉眼在LFW上的识别率为97.52%，深度学习在学术研究层面上已经超过了人用肉眼的识别。
当然在处理真实场景的人脸识别时还是差强人意，例如人脸不清晰，光照条件，局部遮挡等因素都会影响识别率，所以在实际操作中机器学习与人工确认相结合，更加妥当。国内做人脸识别的公司众多，其中Face++、中科奥森、Sensetime、Linkface、飞搜科技都是走在前面的，在真实环境运用或者在垂直细分领域中有着深厚的数据积累。在基于面部特征识别技术的情绪识别领域，阅面科技与Facethink（Facethink为天使湾早期投资项目）是国内少数进入该领域的初创公司。

Ⅳ 想从事嵌入式开发，C语言学算法要学到很高深吗

这样的，算法的意义是在于优化程序使它拥有更高的运行效率和节省更多的内存空间，但是如今科技发展的速度让人很少去关注这个问题（之前本人问一个同学为什么用C语言写程序不用汇编，他鄙视了我）
需要用到大量的算法的程序一般都有着很大的运算要求（MC这种不科学的情况另谈），如果题主以后是打算从事嵌入式系统开发的话可以学一下，不用精，如果以后是从事嵌入式软件开发的话，就不用学了。
另外，嵌入式可以把注意力集中到C++（嵌统的当本人没说），学会调用别人的库后，一般都不会去考虑这个问题

Ⅵ nlp算法是什么

nlp算法是自然语言处理。

自然语言处理( Natural Language Processing, NLP)是计算机科学领域与人工智能领域中的一个重要方向。它研究能实现人与计算机之间用自然语言进行有效通信的各种理论和方法。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。

相关信息：

自然语言处理是指利用人类交流所使用的自然语言与机器进行交互通讯的技术。通过人为的对自然语言的处理，使得计算机对其能够可读并理解。自然语言处理的相关研究始于人类对机器翻译的探索。

虽然自然语言处理涉及语音、语法、语义、语用等多维度的操作，但简单而言，自然语言处理的基本任务是基于本体词典、词频统计、上下文语义分析等方式对待处理语料进行分词，形成以最小词性为单位，且富含语义的词项单元。

Ⅶ 计算语言学文科能学吗

文科生学习计算机语言学是可行的，确实有一定的难度。知乎上已经有计算机语言学的专业人士对这个学科所需要的知识做了比较系统的归纳，我们在这里分享一个学生案例，据此来说说文科生应该如何去转专业学习计算机科学。

一、 计算语言学从哪些方面来准备

作为一个交叉学科，这个专业的人一定是“能文能武”的。

课程方面：

语言学：

不知道小伙伴们的“文科”具体是什么。我有一位学生是法英双语专业出身，她的专业课上直接就包括了“话语分析”。通过专业课的学习，学生了解到如何将相关信息关联、组织和表达，并且被人所理解。我们认为“理所当然”的表达和被理解，其实微妙的被数量原则、质量原则、关联原则、方式原则等基础会话原则所操控。

除了课堂学习之外，学生又主动阅读了大量语言学着作，比如 B.布洛赫、G．L.特雷杰《语言分析纲要》和索绪尔的《普通语言学教程》等，加深对句法、语义等的理解。这是计算语言学最重要的理论基础。

计算机方面：

这一块也是大多数文科生，或者转专业申请的学生最为 concern 的。实话说不是计算机科班出身的人确实难度不小。算法、机器学习等概念对于“码农”们来说是很基础的，但是纯文科生会显得非常难和陌生。

这里要给文科同学打鸡血了。刚才介绍的法英双专业的同学是个妹纸，而且是一个非常有决心和毅力的妹纸。自从有了从事自然语言处理（NLP）职业的想法后，她利用大三的寒假时间，参加了一个 Python 的训练营，高强度的实战训练，让她从最初的零基础，到利用编程来建模用实际数据解决问题。

作为文科生，她在中间也遇到过很多困难，但是选择了坚持下来。除此以外，她申请跨到计算机系上了数据结构、机器学习、Java 编程等课程，这些基础课的学习，对于一个文科生转到计算机语言学专业是非常重要的。

科研/实习：

计算机语言学是一个应用性很强的专业，仅仅完成一些课程的学习是远远不够的。该同学在申请季前夕参加了一个自然语言处理和深度学习的项目，对她研究生转专业是至关重要的。

在该项目中，她独立制作了一个聊天机器人(Chatbot)，采用天气预报数据作为素材，进行训练，让机器人可以回答关于某个城市的天气状况和空气质量等信息。该项目中间也遇到了诸多挑战，比如机器人“答非所问”，语调生硬等等，启发她思考如何来加强语义分析和情感识别方面。一些项目中待解决的问题也直接激发了学生继续深造的热情。

二、 申请美国研究生的策略问题

正如其他业内知乎答主的所说，美国始终走在计算机语言学的科研前沿。有条件的情况下，申请一个美国的研究生，将成为文科同学走进计算机语言学领域，从事相关工作的一个重要踏板。

但是该领域近年来随着“机器学习”“人工智能”等概念变得炙手可热。大量计算机背景的申请者都来申请这个项目，使其难度对于文科背景的申请者来说是很大的。

选校是其中关键一环，这个要根据申请者自身的竞争实力和学校的录取难度以及未来职业规划来综合决定，所谓的“知己知彼”才能“百战不殆”。

而这时候往往申请者对于国外院校的了解也只是学校官网和一些留学网站上面碎片化的信息，对于自身的定位更是难以把控。还有就是搜集和整理这些碎片化的信息，制作自己独特的文书其实也是需要耗费自己大量的时间经历的。

笔者在 7 年间辅导过很多同学进行半 DIY 申请，发现很多同学这个时候也还在努力的刷 GRE、托福成绩，同时大三暑假基本都在做全职的实习，大四上学期申请季也都还有学校的科研项目在做，或者还有几门课程在上。这样的矛盾情况下，其实选择咨询计算语言学亲历过整个申请过程的“过来人”和对近年来积累了大量辅导同学成功案例的老师可以事半功倍。

作为棕榈大道的“全能主导师”之一，我就真的要安利了。

前面所说的那位同学由于有较好的前期规划，做了很多准备工作，申请季的时候，我们给她安排了在 UW 就读的何学长帮助她分析自身定位，选择了计算机语言学比较有名的几所学校，又避免了以自己所短，来博他人之长（那些纯 CS 的同学在某些特别强调算法和编程背景的学校有很强的竞争）。

同时，文书的打造也是重要的环节，个人陈述配合好简历等其他材料，展现申请者独特的优势。通过与申请者详细的沟通，我们深入挖掘她的兴趣，巧妙的展现她独特的“文科”-语言学方面的理解和优势，同时恰到好处的展现她对于自然语言处理方面的热情和清晰的职业规划，最终成功地打动了评审委员会。同学目前已经拿到了 ASU 的 offer，还在争取其他学校的录取。

最后希望文科有志于转计算机语言学的同学们都能勇敢地追随自己的梦想！

Ⅷ 语言学在人工智能的应用都有哪些

人类语言主要通过说话和写字承载。那显然，语言学（Linguistics）对人工智能（ArtificialIntelligence）助力较大的领域，就是教计算机识别人说的话（语音识别），教计算机生成人说的话（语音合成）、教计算机理解人写的字（自然语言处理）、以及教计算机生成文本（自然语言生成）这四个方面了。实现以上四个任务，简单粗暴地说，是需要把人类说的话和写的字用统计模型描述出来。那统计模型应该怎么得到呢，通过数据训练出来。这些数据是什么呢？那就是有语言学标注的文本或者语音了。拿个语音合成的小例子举例。例如，你想语音合成一句句子“Dr.SmithlivesinNYC.”输入是这句文本，输出是waveform。大致思路是你要通过文本的语言学标注找到符合语音学标注的音素，再拼起来。

Ⅸ 计算语言学的成果

计算语言学可以说是计算机和语言学相结合的产物。这种结合已经得到丰硕的成果，除了上面说到的那些应用课题以外,还表现在对语言学理论和方法的影响上。语言的定义扩展了:语言已不仅是人类重要的交际工具,而且也是人机之间的交际工具。为了满足计算机加工的要求，计算语言学最大的特点就是要求语言的形式化，因为只有形式化,才能算法化、自动化。根据这项要求，制定出一系列面向语言信息处理的自动分析方法，其中包括预示分析法、从属分析法、中介成分体系、优选语义学、扩充转移网络、概念从属论等等。这些自动分析方法，已在机器翻译和自然语言理解的系统中得到应用，并证明有效。语言的形式化是分层进行的。语法的形式化相对来说比较简单，人们已做了不少工作；语义的形式化则是一个复杂的问题，人们进行的工作还不多。而语义形式化问题解决得好坏，将大大影响语言自动加工的成效。因此，继续发掘行之有效的形式结构分析方法和语义分析方法，研究它们之间的关系，以及探讨它们在不同系统中各自使用的限度，这是计算语言学中的重点研究课题。
第五代计算机要求人们赋予它听觉（识别口语）和更强的视觉（自动识别文字），赋予它说话能力（合成言语）和听写能力（语音打字），同时还要求人们赋予它理解自然语言并把某种（或多种）自然语言翻译成另一种（或多种）自然语言的能力。这样，计算语言学工作者又需要提供各种物理参数、语言概率性等方面的数据和各种应用软件，以便同有关的专家、工程师一道共同解决为计算机增添“翅膀”这个重大课题，使之真正成为“万能的智能机器”。
完成上述任务，必须靠整个语言学界的努力和合作。尽管面向机器的语言学有其独特性，在许多方面都要另起炉灶，但是实践证明：传统语言学的基础雄厚与否对解决一些新任务有很大关系，例如传统的英汉对比语言学研究得好，就会给英汉机器翻译提供很多方便。从这个意义上讲，计算语言学只有很好地吸取传统语言学的成果并加以改造，才能得到迅速发展。