2020-12-29 16:34:30

10.md

@@ -855,7 +855,7 @@ d1: ['s0-r1', 's1-r0'] : ([z12,z15],[boy(z12), (([x],[dog(x)]) ->
 3.  广义量词，如 most；
 4.  内涵结构，例如像 may 和 believe 这样的动词。
 
-（1）和（2）可以使用一阶逻辑处理，（3）和（4）需要不同的逻辑。下面的读物中很多都讲述了这些问题。
+`(1)`和`(2)`可以使用一阶逻辑处理，`(3)`和`(4)`需要不同的逻辑。下面的读物中很多都讲述了这些问题。
 
 建立自然语言前端数据库方面的结果和技术的综合概述可以在[(Androutsopoulos, Ritchie, & Thanisch, 1995)](./bibliography.html#androutsopoulos1995nli)中找到。
 

11.md

@@ -221,7 +221,7 @@ f_out.write(bytes(s, 'UTF-8'))
 
 已标注语言数据很少以最方便的格式保存，往往需要进行各种格式转换。字符编码之间的转换已经讨论过（见 3.3）。在这里，我们专注于数据结构。
 
-最简单的情况，输入和输出格式是同构的。例如，我们可能要将词汇数据从 Toolbox 格式转换为 XML，可以直接一次一个的转换词条（4）。数据结构反映在所需的程序的结构中：一个`for`循环，每次循环处理一个词条。
+最简单的情况，输入和输出格式是同构的。例如，我们可能要将词汇数据从 Toolbox 格式转换为 XML，可以直接一次一个的转换词条`(4)`。数据结构反映在所需的程序的结构中：一个`for`循环，每次循环处理一个词条。
 
 另一种常见的情况，输出是输入的摘要形式，如一个倒置的文件索引。有必要在内存中建立索引结构（见 4.8），然后把它以所需的格式写入一个文件。下面的例子构造一个索引，映射字典定义的词汇到相应的每个词条❶的语意❷，已经对定义文本分词❸，并丢弃短词❹。一旦该索引建成，我们打开一个文件，然后遍历索引项，以所需的格式输出行❺。
 

4.md

@@ -1125,7 +1125,7 @@ result = ['cat']
 190
 ```
 
-作为递归的最后一个例子，让我们用它来构建一个深嵌套的对象。一个字母查找树是一种可以用来索引词汇的数据结构，一次一个字母。（这个名字来自于单词`retrieval`）。例如，如果`trie`包含一个字母的查找树，那么`trie['c']`是一个较小的查找树，包含所有以`c`开头的词。4.9 演示了使用 Python 字典（3）构建查找树的递归过程。若要插入词`chien`（`dog`的法语），我们将`c`分类，递归的掺入`hien`到`trie['c']`子查找树中。递归继续直到词中没有剩余的字母，于是我们存储的了预期值（本例中是词`dog`）。
+作为递归的最后一个例子，让我们用它来构建一个深嵌套的对象。一个字母查找树是一种可以用来索引词汇的数据结构，一次一个字母。（这个名字来自于单词`retrieval`）。例如，如果`trie`包含一个字母的查找树，那么`trie['c']`是一个较小的查找树，包含所有以`c`开头的词。4.9 演示了使用 Python 字典`(3)`构建查找树的递归过程。若要插入词`chien`（`dog`的法语），我们将`c`分类，递归的掺入`hien`到`trie['c']`子查找树中。递归继续直到词中没有剩余的字母，于是我们存储的了预期值（本例中是词`dog`）。
 
 ```py
 def insert(trie, key, value):

5.md

@@ -21,7 +21,7 @@
 ('completely', 'RB'), ('different', 'JJ')]
 ```
 
-在这里我们看到 and 是`CC`，并列连词；now 和 completely 是`RB`，副词；for 是`IN`，介词；something 是`NN`，名词；different 是`JJ`，形容词。
+在这里我们看到`and`是`CC`，并列连词；`now`和`completely`是`RB`，副词；`for`是`IN`，介词；`something`是`NN`，名词；`different`是`JJ`，形容词。
 
 注意
 
@@ -36,13 +36,13 @@ NLTK 为每个标记提供了文档，可以使用该标记来查询，如`nltk.
 ('to', 'TO'), ('obtain', 'VB'), ('the', 'DT'), ('refuse', 'NN'), ('permit', 'NN')]
 ```
 
-请注意 refuse 和 permit 都以现在时动词（`VBP`）和名词（`NN`）形式出现。例如 refUSE 是一个动词，意为“拒绝”，而 REFuse 是一个名词，意为“垃圾”（即它们不是同音词）。因此，我们需要知道正在使用哪一个词以便能正确读出文本。（出于这个原因，文本转语音系统通常进行词性标注。）
+请注意`refuse`和`permit`都以现在时动词（`VBP`）和名词（`NN`）形式出现。例如`refUSE`是一个动词，意为“拒绝”，而`REFuse`是一个名词，意为“垃圾”（即它们不是同音词）。因此，我们需要知道正在使用哪一个词以便能正确读出文本。（出于这个原因，文本转语音系统通常进行词性标注。）
 
 注意
 
-**轮到你来**：很多单词，如 ski 和 race，可以用作名词或动词而发音没有区别。你能想出其他的吗？提示：想想一个常见的东西，尝试把词 to 放到它前面，看它是否也是一个动词；或者想想一个动作，尝试把 the 放在它前面，看它是否也是一个名词。现在用这个词的两种用途造句，在这句话上运行词性标注器。
+**轮到你来**：很多单词，如`ski`和`race`，可以用作名词或动词而发音没有区别。你能想出其他的吗？提示：想想一个常见的东西，尝试把词`to`放到它前面，看它是否也是一个动词；或者想想一个动作，尝试把`the`放在它前面，看它是否也是一个名词。现在用这个词的两种用途造句，在这句话上运行词性标注器。
 
-词汇类别如“名词”和词性标记如`NN`，看上去似乎有其用途，但在细节上将使许多读者感到晦涩。你可能想知道要引进这种额外的信息的理由是什么。很多这些类别源于对文本中单词分布的粗略分析。考虑下面的分析，涉及 woman（名词），bought（动词），over（介词）和 the（限定词）。`text.similar()`方法接收一个单词 w，找出所有上下文 w[1]w w[2]，然后找出所有出现在相同上下文中的词 w'，即 w[1]w'w[2]。
+词汇类别如“名词”和词性标记如`NN`，看上去似乎有其用途，但在细节上将使许多读者感到晦涩。你可能想知道要引进这种额外的信息的理由是什么。很多这些类别源于对文本中单词分布的粗略分析。考虑下面的分析，涉及`woman`（名词），`bought`（动词），`over`（介词）和`the`（限定词）。`text.similar()`方法接收一个单词`w`，找出所有上下文`w[1]w w[2]`，然后找出所有出现在相同上下文中的词`w'`，即`w[1]w'w[2]`。
 
 ```py
 >>> text = nltk.Text(word.lower() for word in nltk.corpus.brown.words())
@@ -61,9 +61,9 @@ a his this their its her an that our any all one these my in your no
 some other and
 ```
 
-可以观察到，搜索 woman 找到名词；搜索 bought 找到的大部分是动词；搜索 over 一般会找到介词；搜索 the 找到几个限定词。一个标注器能够正确识别一个句子的上下文中的这些词的标记，例如 The woman bought over $150,000 worth of clothes。
+可以观察到，搜索`woman`找到名词；搜索`bought`找到的大部分是动词；搜索`over`一般会找到介词；搜索`the`找到几个限定词。一个标注器能够正确识别一个句子的上下文中的这些词的标记，例如`The woman bought over $150,000 worth of clothes`。
 
-一个标注器还可以为我们对未知词的认识建模，例如我们可以根据词根 scrobble 猜测 scrobbling 可能是一个动词，并有可能发生在 he was scrobbling 这样的上下文中。
+一个标注器还可以为我们对未知词的认识建模，例如我们可以根据词根`scrobble`猜测`scrobbling`可能是一个动词，并有可能发生在`he was scrobbling`这样的上下文中。
 
 ## 2 已经标注的语料库
 
@@ -181,7 +181,7 @@ NLTK 中还有其他几种语言的已标注语料库，包括中文，印地语
 
 ## 2.4 名词
 
-名词一般指的是人、地点、事情或概念，例如: woman, Scotland, book, intelligence。名词可能出现在限定词和形容词之后，可以是动词的主语或宾语，如 2.2 所示。
+名词一般指的是人、地点、事情或概念，例如: `woman, Scotland, book, intelligence`。名词可能出现在限定词和形容词之后，可以是动词的主语或宾语，如 2.2 所示。
 
 表 2.2：
 
@@ -199,7 +199,7 @@ NLTK 中还有其他几种语言的已标注语料库，包括中文，印地语
 
 ## 2.5 动词
 
-动词是用来描述事件和行动的词，例如 2.3 中的 fall, eat。在一个句子中，动词通常表示涉及一个或多个名词短语所指示物的关系。
+动词是用来描述事件和行动的词，例如 2.3 中的`fall, eat`。在一个句子中，动词通常表示涉及一个或多个名词短语所指示物的关系。
 
 表 2.3：
 
@@ -249,7 +249,7 @@ NLTK 中还有其他几种语言的已标注语料库，包括中文，印地语
 [('head', 'NN'), ('of', 'IN'), ('state', 'NN'), ('has', 'VBZ'), ('kicked', 'VBN')]
 ```
 
-在这种情况下，我们可以看到过去分词 kicked 前面是助动词 have 的形式。这是普遍真实的吗？
+在这种情况下，我们可以看到过去分词`kicked`前面是助动词`have`的形式。这是普遍真实的吗？
 
 注意
 
@@ -257,17 +257,17 @@ NLTK 中还有其他几种语言的已标注语料库，包括中文，印地语
 
 ## 2.6 形容词和副词
 
-另外两个重要的词类是形容词和副词。形容词修饰名词，可以作为修饰语（如 the large pizza 中的 large），或者谓语（如 the pizza is large）。英语形容词可以有内部结构（如 the falling stocks 中的 fall+ing）。副词修饰动词，指定动词描述的事件的时间、方式、地点或方向（如 the stocks fell quickly 中的 quickly）。副词也可以修饰的形容词（如 Mary's teacher was really nice 中的 really）。
+另外两个重要的词类是形容词和副词。形容词修饰名词，可以作为修饰语（如`the large pizza`中的`large`），或者谓语（如`the pizza is large`）。英语形容词可以有内部结构（如`the falling stocks`中的`fall+ing`）。副词修饰动词，指定动词描述的事件的时间、方式、地点或方向（如`the stocks fell quickly`中的`quickly`）。副词也可以修饰的形容词（如`Mary's teacher was really nice`中的`really`）。
 
-英语中还有几个封闭的词类，如介词，冠词（也常称为限定词）（如 the、a），情态动词（如 should、may）和人称代词（如 she、they）。每个词典和语法对这些词的分类都不同。
+英语中还有几个封闭的词类，如介词，冠词（也常称为限定词）（如`the, a`），情态动词（如`should, may`）和人称代词（如`she, they`）。每个词典和语法对这些词的分类都不同。
 
 注意
 
-**轮到你来**：如果你对这些词性中的一些不确定，使用`nltk.app.concordance()`学习它们，或看 *Schoolhouse Rock!* 语法视频于 YouTube，或者查询本章结束的进一步阅读一节。
+**轮到你来**：如果你对这些词性中的一些不确定，使用`nltk.app.concordance()`学习它们，或在 YouTube 看《Schoolhouse Rock!》语法视频，或者查询本章结束的进一步阅读一节。
 
 ## 2.7 未简化的标记
 
-让我们找出每个名词类型中最频繁的名词。2.2 中的程序找出所有以`NN`开始的标记，并为每个标记提供了几个示例单词。你会看到有许多`NN`的变种；最重要有`此外，大多数的标记都有后缀修饰符：`-NC`表示引用，`-HL`表示标题中的词，`-TL`表示标题（布朗标记的特征）。
+让我们找出每个名词类型中最频繁的名词。2.2 中的程序找出所有以`NN`开始的标记，并为每个标记提供了几个示例单词。你会看到有许多`NN`的变种；此外，大多数的标记都有后缀修饰符：`-NC`表示引用，`-HL`表示标题中的词，`-TL`表示标题（布朗标记的特征）。
 
 ```py
 def findtags(tag_prefix, tagged_text):
@@ -302,7 +302,7 @@ NNS-TL-HL [('Nations', 1)]
 
 让我们简要地回过来探索语料库，我们在前面的章节中看到过，这次我们探索词性标记。
 
-假设我们正在研究词 often，想看看它是如何在文本中使用的。我们可以试着看看跟在 often 后面的词汇
+假设我们正在研究词`often`，想看看它是如何在文本中使用的。我们可以试着看看跟在`often`后面的词汇
 
 ```py
 >>> brown_learned_text = brown.words(categories='learned')
@@ -322,9 +322,9 @@ NNS-TL-HL [('Nations', 1)]
  2    8    7    4   37    6
 ```
 
-请注意 often 后面最高频率的词性是动词。名词从来没有在这个位置出现（在这个特别的语料中）。
+请注意`often`后面最高频率的词性是动词。名词从来没有在这个位置出现（在这个特别的语料中）。
 
-接下来，让我们看一些较大范围的上下文，找出涉及特定标记和词序列的词（在这种情况下，`"<Verb> to <Verb>"`）。在 code-three-word-phrase 中，我们考虑句子中的每个三词窗口❶，检查它们是否符合我们的标准❷。如果标记匹配，我们输出对应的词❸。
+接下来，让我们看一些较大范围的上下文，找出涉及特定标记和词序列的词（在这种情况下，`"<Verb> to <Verb>"`）。在`code-three-word-phrase`中，我们考虑句子中的每个三词窗口❶，检查它们是否符合我们的标准❷。如果标记匹配，我们输出对应的词❸。
 
 ```py
 from nltk.corpus import brown
@@ -393,7 +393,7 @@ that CNJ V WH DET
 
 图 3.1：列表查找：一个整数索引帮助我们访问 Python 列表的内容。
 
-对比这种情况与频率分布（3），在那里我们指定一个词然后取回一个数字，如`fdist['monstrous']`，它告诉我们一个给定的词在文本中出现的次数。用词查询对任何使用过字典的人都很熟悉。3.2 展示一些更多的例子。
+对比这种情况与频率分布`(3)`，在那里我们指定一个词然后取回一个数字，如`fdist['monstrous']`，它告诉我们一个给定的词在文本中出现的次数。用词查询对任何使用过字典的人都很熟悉。3.2 展示一些更多的例子。
 
 ![Images/maps02.png](Images/484180fc6abc244116b30e57cb6c0cf5.jpg)
 
@@ -839,7 +839,7 @@ Python 字典方法：常用的方法与字典相关习惯用法的总结。
 ('of', 'IN'), ('this', 'DT'), ('city', None), ("''", "''"), ('.', '.')]
 ```
 
-许多词都被分配了一个`None`标签，因为它们不在 100 个最频繁的词之中。在这些情况下，我们想分配默认标记`NN`。换句话说，我们要先使用查找表，如果它不能指定一个标记就使用默认标注器，这个过程叫做回退（5）。我们可以做到这个，通过指定一个标注器作为另一个标注器的参数，如下所示。现在查找标注器将只存储名词以外的词的词-标记对，只要它不能给一个词分配标记，它将会调用默认标注器。
+许多词都被分配了一个`None`标签，因为它们不在 100 个最频繁的词之中。在这些情况下，我们想分配默认标记`NN`。换句话说，我们要先使用查找表，如果它不能指定一个标记就使用默认标注器，这个过程叫做回退`(5)`。我们可以做到这个，通过指定一个标注器作为另一个标注器的参数，如下所示。现在查找标注器将只存储名词以外的词的词-标记对，只要它不能给一个词分配标记，它将会调用默认标注器。
 
 ```py
 >>> baseline_tagger = nltk.UnigramTagger(model=likely_tags,
@@ -890,7 +890,7 @@ def display():
 
 ## 5.1 一元标注
 
-一元标注器基于一个简单的统计算法：对每个标识符分配这个独特的标识符最有可能的标记。例如，它将分配标记`JJ`给词 frequent 的所有出现，因为 frequent 用作一个形容词（例如 a frequent word）比用作一个动词（例如 I frequent this cafe）更常见。一个一元标注器的行为就像一个查找标注器（4），除了有一个更方便的建立它的技术，称为训练。在下面的代码例子中，我们训练一个一元标注器，用它来标注一个句子，然后评估：
+一元标注器基于一个简单的统计算法：对每个标识符分配这个独特的标识符最有可能的标记。例如，它将分配标记`JJ`给词 frequent 的所有出现，因为 frequent 用作一个形容词（例如 a frequent word）比用作一个动词（例如 I frequent this cafe）更常见。一个一元标注器的行为就像一个查找标注器`(4)`，除了有一个更方便的建立它的技术，称为训练。在下面的代码例子中，我们训练一个一元标注器，用它来标注一个句子，然后评估：
 
 ```py
 >>> from nltk.corpus import brown

6.md

 # 6\. 学习分类文本
 
-模式识别是自然语言处理的一个核心部分。以-ed 结尾的词往往是过去时态动词（[5.](./ch05.html#chap-tag)）。频繁使用 will 是新闻文本的暗示（3）。这些可观察到的模式——词的结构和词频——恰好与特定方面的含义关联，如时态和主题。但我们怎么知道从哪里开始寻找，形式的哪一方面关联含义的哪一方面？
+模式识别是自然语言处理的一个核心部分。以-ed 结尾的词往往是过去时态动词（[5.](./ch05.html#chap-tag)）。频繁使用 will 是新闻文本的暗示`(3)`。这些可观察到的模式——词的结构和词频——恰好与特定方面的含义关联，如时态和主题。但我们怎么知道从哪里开始寻找，形式的哪一方面关联含义的哪一方面？
 
 本章的目的是要回答下列问题：
 

7.md

@@ -268,7 +268,7 @@ ChunkParse score:
  F-Measure:     69.2%
 ```
 
-正如你看到的，这种方法达到相当好的结果。但是，我们可以采用更多数据驱动的方法改善它，在这里我们使用训练语料找到对每个词性标记最有可能的块标记（`I`, `O`或`B`）。换句话说，我们可以使用*一元标注器*（4）建立一个词块划分器。但不是尝试确定每个词的正确的词性标记，而是根据每个词的词性标记，尝试确定正确的词块标记。
+正如你看到的，这种方法达到相当好的结果。但是，我们可以采用更多数据驱动的方法改善它，在这里我们使用训练语料找到对每个词性标记最有可能的块标记（`I`, `O`或`B`）。换句话说，我们可以使用*一元标注器*`(4)`建立一个词块划分器。但不是尝试确定每个词的正确的词性标记，而是根据每个词的词性标记，尝试确定正确的词块标记。
 
 在 3.1 中，我们定义了`UnigramChunker`类，使用一元标注器给句子加词块标记。这个类的大部分代码只是用来在 NLTK 的`ChunkParserI`接口使用的词块树表示和嵌入式标注器使用的 IOB 表示之间镜像转换。类定义了两个方法：一个构造函数❶，当我们建立一个新的 UnigramChunker 时调用；以及`parse`方法❸，用来给新句子划分词块。
 

8.md

@@ -410,7 +410,7 @@ NLTK 语料库也收集了*中央研究院树库语料*，包括 10,000 句已
 (S (NP (NP fish) (Sbar (NP fish) (V fish))) (V fish) (NP fish))
 ```
 
-随着句子长度增加到（3，5，7，...），我们得到的分析树的数量是：1; 2; 5; 14; 42; 132; 429; 1,430; 4,862; 16,796; 58,786; 208,012; ….（这是卡塔兰数，我们在 4 的练习中见过）。最后一个是句子长度为 23 的分析树的数目，这是宾州树库 WSJ 部分的句子的平均长度。对于一个长度为 50 的句子有超过 10<sup>12</sup>的解析，这只是 Piglet 句子长度的一半（1），这些句子小孩可以毫不费力的处理。没有实际的自然语言处理系统可以为一个句子构建数以百万计的树，并根据上下文选择一个合适的。很显然，人也不会这样做！
+随着句子长度增加到（3，5，7，...），我们得到的分析树的数量是：1; 2; 5; 14; 42; 132; 429; 1,430; 4,862; 16,796; 58,786; 208,012; ….（这是卡塔兰数，我们在 4 的练习中见过）。最后一个是句子长度为 23 的分析树的数目，这是宾州树库 WSJ 部分的句子的平均长度。对于一个长度为 50 的句子有超过 10<sup>12</sup>的解析，这只是 Piglet 句子长度的一半`(1)`，这些句子小孩可以毫不费力的处理。没有实际的自然语言处理系统可以为一个句子构建数以百万计的树，并根据上下文选择一个合适的。很显然，人也不会这样做！
 
 请注意，这个问题不是只在我们选择的例子中存在。[(Church & Patil, 1982)](./bibliography.html#church1982csa)指出`PP`附着句法歧义在像[(18)](./ch08.html#ex-pp)这样的句子中也是按卡塔兰数的比例增长。
 
@@ -523,7 +523,7 @@ grammar = nltk.PCFG.fromstring("""
 
     1.  写一个程序在 PP 附着语料库`nltk.corpus.ppattach`找到那些动词。找出任何这样的情况，相同的动词有两种不同的附着，其中第一个是名词，或者第二个是名词，或者介词保持不变（正如我们在 2 句法歧义中讨论过的）。
     2.  制定 CFG 语法产生式涵盖其中一些情况。
-17.  ◑ 写一个程序，比较自上而下的图表分析器与递归下降分析器的效率（4）。使用相同的语法和输入的句子。使用`timeit`模块比较它们的性能（见 4.7，如何做到这一点的一个例子）。
+17.  ◑ 写一个程序，比较自上而下的图表分析器与递归下降分析器的效率`(4)`。使用相同的语法和输入的句子。使用`timeit`模块比较它们的性能（见 4.7，如何做到这一点的一个例子）。
 
 18.  比较自上而下、自下而上和左角落分析器的性能，使用相同的语法和 3 个符合语法的测试句子。使用`timeit`记录每个分析器在同一个句子上花费的时间。写一个函数，在这三句话上运行这三个分析器，输出 3×3 格的时间，以及行和列的总计。讨论你的发现。