추천의 글

언어학은 과학 분야에서 100년의 역사를 가지고 있고, 컴퓨터 언어학은 컴퓨터 공학의 일부로서 50년의 역사를 가지고 있다. 그러나 언어 이해 기술이 인터넷에서 정보 검색과 기계 번역을 이용할 수 있고, 데스크톱 컴퓨터에서 음성 인식이 인기를 끌면서 수백만 명에게 알려진 산업으로 부상한 것은 불과 10여 년 전의 일이다. 이 산업은 언어 정보의 표현과 처리의 이론적 진보에 의해 가능해졌다.

『음성과 언어 처리 2/e』은 모든 수준에서 모든 현대 기술과 함께 철저히 다루는 최초의 책이다. 심층 언어 분석과 견고한 통계 방법을 결합하며, 레벨의 관점에서 보면 단어와 그 구성 요소들로 시작해 단어의 시퀀스 속성과 단어들이 어떻게 말하고 이해되는지 다룬 뒤, 단어들이 서로 어울리는 방식(구문), 의미를 형성하는 방식(의미론), 언어 간 질의응답, 대화, 번역의 기초를 살펴본다. 기술의 관점에서 보면 정규 표현, 정보 검색, 문맥 자유 문법, 통일, 일차 술어 해석, 은닉 마르코프와 다른 확률론적 모델, 수사학적 구조 이론 등을 다루고 있다. 이전에는 이런 종류의 적용 범위를 얻으려면 두세 권의 책이 필요했을 것이다. 이 책은 한 권으로 이 모든 범위를 다루고 있다. 하지만 무엇보다 각각의 기술이 어떻게 가장 잘 사용되고, 어떻게 함께 사용될 수 있는지에 대한 감각을 제공하고 있다는 점이 더 중요하다. 독자의 관심을 유지하고 철저하지만 무미건조하지 않은 방식으로 기술적 세부 사항에 동기를 부여하는 매력적인 스타일로 이 모든 과정을 수행한다. 여러분이 과학적이거나 산업적인 관점에서 본 분야에 관심이 있든지 간에 이 책은 이 매혹적인 분야의 향후 연구에 이상적인 소개와 안내 역할을 해줄 수 있을 것이다.

2000년에 출간된 이 책의 초판 이후 음성 및 언어 처리 분야는 여러 면에서 발전했다. 널리 사용되는 언어 기술에는 더 많은 애플리케이션이 있다. 많은 언어 데이터 모음(쓰기 및 말하기)을 사용할 수 있게 되면서, 통계 머신러닝에 훨씬 더 의존하게 됐다. 이 개정판은 이론과 실제 관점에서 새로운 혁신을 다루며, 학습할 부분을 더 쉽게 선택할 수 있게 해준다(부와 장 간의 종속성이 더 적다). 언어 처리 분야는 초판이 출간된 이후에도 몇 가지 뛰어난 설명문이 있었지만, 이 책은 어떤 책보다도 언어 처리 분야 전반을 가장 훌륭히 설명하고 있다.

이 책의 대상 독자

주로 대학원이나 고급 학부 과정에 사용하기 위한 것이다. 포괄적인 적용 범위와 알고리듬의 수가 많기 때문에 음성 및 언어 처리 분야의 학생과 전문가들에게 참고 자료로 유용하다.

지은이의 말

지금은 음성과 언어 처리 분야에서 일하기에 무척 흥미로운 시기다. 역사적으로 별개의 영역(자연어 처리, 음성 인식, 전산언어학, 전산심리학)이던 분야들이 합쳐지기 시작했다. 웹 기반 언어 기술의 폭발적 증가, 전화 기반 대화 시스템의 상용화, 음성 합성 및 음성 인식은 실제 시스템의 발전에 중요한 원동력을 제공했다. 가장 큰 온라인 코퍼스들의 사용성은 음성학에서 담화에 이르기까지 모든 수준의 언어의 통계적 모델을 가능하게 했다. 우리는 교육학 및 참고문헌의 설계에 새로운 최신 기술을 사용하고자 노력했다.

옮긴이의 말

우리의 생활에 가장 직접적으로 영향을 주는 영역 중 하나는 음성 및 언어 처리일 것이다. 최근 음성 및 언어 처리는 딥러닝 기술과 함께 빠른 발전을 이뤄냈고 AI 스피커, 챗봇, 번역기, 리뷰 평점 분석 등 실생활 속 누구나 한 번쯤 사용해본 적이 있을 법한 여러 분야에서 응용되고 있다. 말 한 마디로 가전제품을 제어하고, 상담원 대기 없이 챗봇으로 문의 사항을 해결할 수 있는 편리함을 제공한다. 개인적으로 번역기의 음성 및 언어 처리 발전에 큰 감사함을 느낀다. 몇 년 전에만 해도 해외 여행을 준비할 때의 나는 출국 전날까지 시험 공부를 하듯이 주요 문장들을 외웠고, 외국인과 대화할 때면 무척 긴장됐다. 하지만 최근 들어 번역기 덕분에 낯선 언어에 대한 긴장감이 사라졌다. 기술의 발전은 점차 언어의 장벽을 넘어 인간과 인간을 더 가깝고 친근하게 만들어주는 것 같다. 앞으로 음성 및 언어 처리 기술이 어떻게 발전해서 우리의 삶을 편리하게 해줄지 기대된다.

아울러 이 책을 통해 많은 독자가 음성 및 언어 처리에 대한 인사이트를 얻고 연구에 도움을 받을 수 있었으면 좋겠다. 이 책에서는 음성 및 언어 처리 관련 시스템 개발에 필요한 기본에서부터 최신 기술까지 엄청난 양의 주제를 다루고 있고, 각각의 주제를 깊이 파고든다. 내용을 따라가다 보면 음성 및 언어 처리의 핵심적인 알고리듬을 거의 다 경험해볼 수 있을 것이다. 초보자에게 알맞은 입문서일 뿐만 아니라 전문가에게도 차세대 자연어 처리 연구에 도움이 되리라 생각된다.

1장. 소개
1.1 음성 및 언어 처리에 관한 지식
1.2 중의성
1.3 모델과 알고리듬
1.4 언어, 생각 및 이해
1.5 현재의 기술 수준
1.6 일부 간략한 역사
1.6.1 기초적 이해: 1940년대와 1950년대
1.6.2 두 캠프: 1957~1970년
1.6.3 네 가지 패러다임: 1970~1983년
1.6.4 경험론 및 유한 상태 모델 리덕스: 1983~1993년
1.6.5 필드 통합: 1994~1999년
1.6.6 머신러닝의 증가: 2000~2008년
1.6.7 복수 발견
1.6.8 심리학에 대한 간단한 요약
1.7 요약
참고문헌 및 역사 참고 사항

2장. 정규 표현식과 오토마타
2.1 정규 표현식
2.1.1 기본 정규 표현식 패턴
2.1.2 분리, 그룹화 및 우선순위
2.1.3 간단한 예
2.1.4 더 복잡한 예
2.1.5 고급 연산자
2.1.6 정규 표현식 치환, 메모리 및 엘리자
2.2 유한 상태 오토마타
2.2.1 양의 울음소리를 인식하기 위한 FSA의 사용
2.2.2 형식 언어
2.2.3 또 다른 예
2.2.4 비결정적 FSA
2.2.5 문자열 수용을 위한 NFSA 사용
2.2.6 검색으로 인식
2.2.7 결정적 및 비결정적 오토마타의 관계
2.3 정규 언어 및 FSA
2.4 요약
참고문헌 및 역사 참고 사항
연습

3장. 단어 및 변환기
3.1 (대부분의) 영어 형태론 조사
3.1.1 굴절 형태론
3.1.2 파생 형태론
3.1.3 접어화
3.1.4 비연결형 형태론
3.1.5 일치
3.2 유한 상태 형태론 파싱
3.3 유한 상태 어휘 목록의 구조
3.4 유한 상태 변환기
3.4.1 순차 변환기 및 결정론
3.5 형태론적 파싱에 대한 FST
3.6 변환기 및 철자 규칙
3.7 FST 어휘와 규칙의 조합
3.8 어휘 목록이 없는 FST: 포터 어간
3.9 단어 및 문장 토큰화
3.9.1 중국어 분할
3.10 철자 오류 감지 및 수정
3.11 최소 편집 거리
3.12 인간의 형태론적 처리
3.13 요약
참고문헌 및 역사 참고 사항
연습

4장. N그램
4.1 코퍼스에서의 단어 세기
4.2 단순(Unsmoothed) N그램
4.3 훈련 및 테스트 세트
4.3.1 훈련 코퍼스에 대한 N 그램 민감도
4.3.2 미등록어: 개방형 대 폐쇄형 어휘 과제
4.4 N 그램 평가: 복잡도
4.5 평탄화
4.5.1 라플라스 평탄화
4.5.2 굿 튜링 할인
4.5.3 굿 튜링 추정의 일부 고급 문제
4.6 보정법
4.7 백오프
4.7.1 고급: 캐츠 백오프 α 및 P ? 계산 세부 사항
4.8 실제 문제: 툴킷 및 데이터 형식
4.9 언어 모델링의 고급 문제
4.9.1 고급 평탄화 방법: Kneser-Ney 평탄화
4.9.2 부류 기반 N그램
4.9.3 언어 모델 적응 및 웹 사용
4.9.4 장거리 정보 사용: 간단한 요약
4.10 고급: 정보 이론 배경
4.10.1 모델 비교를 위한 교차 엔트로피
4.11 고급: 영어의 엔트로피와 엔트로피 비율의 불변성
4.12 요약
참고문헌 및 역사 참고 사항
연습

5장. 품사 태깅
5.1 (대부분) 영어의 어휘 범주
5.2 영어 태그 세트
5.3 품사 태깅
5.4 규칙 기반 품사 태깅
5.5 HMM 품사 태깅
5.5.1 가장 가능성이 높은 태그 시퀀스 계산: 예
5.5.2 은닉 마르코프 모델 태거 공식화
5.5.3 HMM 태깅을 위한 비터비 알고리듬 사용
5.5.4 HMM 알고리듬을 트라이그램으로 확장
5.6 변환 기반 태깅
5.6.1 TBL 규칙 적용 방법
5.6.2 TBL 규칙 학습 방법
5.7 평가 및 오류 분석
5.7.1 오류 분석
5.8 품사 태깅의 고급 문제
5.8.1 실제 문제: 태그 불확실성 및 토큰화
5.8.2 미지의 단어
5.8.3 다른 언어의 품사 태깅
5.8.4 태거 조합
5.9 고급: 철자를 위한 잡음 통신로 모델
5.9.1 맥락별 철자 오류 수정
5.10 요약
참고문헌 및 역사 참고 사항
연습

6장. 은닉 마르코프 및 최대 엔트로피 모델
6.1 마르코프 연쇄
6.2 은닉 마르코프 모델
6.3 우도 계산: 순방향 알고리듬
6.4 디코딩: 비터비 알고리듬
6.5 HMM 훈련: 순방향 - 역방향 알고리듬
6.6 최대 엔트로피 모델: 배경
6.6.1 선형 회귀 분석
6.6.2 로지스틱 회귀
6.6.3 로지스틱 회귀: 분류
6.6.4 고급: 로지스틱 회귀 학습
6.7 최대 엔트로피 모델링
6.7.1 최대 엔트로피라고 부르는 이유
6.8 최대 엔트로피 마르코프 모델
6.8.1 MEMM에서 디코딩 및 학습
6.9 요약
참고문헌 및 역사 참고 사항
연습

7장. 음성학
7.1 말소리 및 발음 표기
7.2 조음 음성학
7.2.1 발성 기관
7.2.2 자음: 조음 위치
7.2.3 자음: 조음 방식
7.2.4 모음
7.2.5 음절
7.3 음운론적 범주 및 발음 변이
7.3.1 발음 피처
7.3.2 발음 변이 예측
7.3.3 발음 변이에 영향을 미치는 요인
7.4 음향 음성학 및 신호
7.4.1 파형
7.4.2 음성 음파
7.4.3 주파수와 진폭: 피치와 음량
7.4.4 파형에서 단음의 해석
7.4.5 스펙트럼 및 주파수 영역
7.4.6 소스 - 필터 모델
7.5 음성 리소스
7.6 고급: 조음 및 동작 음운론
7.7 요약
참고문헌 및 역사 참고 사항
연습

8장. 음성 합성
8.1 텍스트 정규화
8.1.1 문장 토큰화
8.1.2 비표준 단어
8.1.3 동형이의어의 중의성 해소
8.2 음성 분석
8.2.1 사전 조회
8.2.2 명칭
8.2.3 문자소의 음소 변환
8.3 운율 분석
8.3.1 운율 구조
8.3.2 운율 돋들림
8.3.3 억양
8.3.4 보다 정교한 모델: ToBI
8.3.5 운율 레이블에서 음의 길이 연산
8.3.6 운율 레이블에서 F0 연산
8.3.7 텍스트 분석의 최종 결과: 내부 표현
8.4 다이폰 파형 합성
8.4.1 다이폰 데이터베이스 구축 단계
8.4.2 다이폰 연결 및 운율학의 TD - PSOLA
8.5 음편 선택 (파형) 합성
8.6 평가
참고문헌 및 역사 참고 사항
연습

9장. 자동 음성 인식
9.1 음성 인식 아키텍처
9.2 음성에 적용된 은닉 마르코프 모델
9.3 피처 추출: MFCC 벡터
9.3.1 프리엠파시스
9.3.2 윈도잉
9.3.3 이산 푸리에 변환
9.3.4 멜 필터 뱅크 및 로그
9.3.5 켑스트럼: 역이산 푸리에 변환
9.3.6 델타와 에너지
9.3.7 요약: MFCC
9.4 음향 우도 계산
9.4.1 벡터 양자화
9.4.2 가우시안 PDF
9.4.3 확률, 로그 확률 및 거리함수
9.5 어휘 목록과 언어 모델
9.6 검색 및 디코딩
9.7 임베디드 훈련
9.8 평가: 단어 오류율
9.9 요약
참고문헌 및 역사 참고 사항
연습

10장. 음성 인식: 고급 주제
10.1 다중 경로 디코딩: N - 베스트 목록 및 격자
10.2 A*(\"스택\") 디코딩
10.3 문맥에 따른 음향 모델: 트라이폰
10.4 차별적 훈련
10.4.1 최대 상호 정보 추정
10.4.2 사후 분류기에 기반한 음향 모델
10.5 모델링 변화
10.5.1 환경 변화 및 잡음
10.5.2 화자별 변이 및 화자 적응
10.5.3 발음 모델링: 장르에 따른 변이
10.6 메타데이터: 경계, 구두점 및 눌변
10.7 인간의 음성 인식
10.8 요약
참고문헌 및 역사 참고 사항
연습

11장. 컴퓨터의 음운론
11.1 유한 상태 음운론
11.2 고급 유한 상태 음운론
11.2.1 조화
11.2.2 템플래틱 형태론
11.3 컴퓨터의 최적 이론
11.3.1 최적 이론의 유한 상태 변환기 모델
11.3.2 최적 이론의 확률적 모델
11.4 음절화
11.5 음운론 및 형태론 학습
11.5.1 음운론적 규칙 학습
11.5.2 형태론적 규칙 학습
11.5.3 최적 이론 학습
11.6 요약
참고문헌 및 역사 참고 사항
연습

12장. 영어의 격식어법
12.1 구성 요소
12.2 문맥 자유 문법
12.2.1 문맥 자유 문법의 형식적 정의
12.3 영어 문법 규칙
12.3.1 문장 레벨의 구성 요소
12.3.2 절과 문장
12.3.3 명사구
12.3.4 일치
12.3.5 동사구와 하위 범주화
12.3.6 조동사
12.3.7 대등 관계
12.4 트리뱅크
12.4.1 예제: 펜 트리뱅크 프로젝트
12.4.2 문법으로서의 트리뱅크
12.4.3 트리뱅크 검색
12.4.4 구의 중심 단어 탐색
12.5 문법 동등성 및 정규형
12.6 유한 상태 및 문맥 자유 문법
12.7 의존성 문법
12.7.1 의존성과 구의 중심 단어 간의 관계
12.7.2 범주 문법
12.8 음성 언어 통사론
12.8.1 눌변 및 정정
12.8.2 구어체를 위한 트리뱅크
12.9 문법과 언어의 프로세싱
12.10 요약
참고문헌 및 역사 참고 사항
연습

13장. 통사론 파싱
13.1 검색으로 파싱
13.1.1 하향식 파싱
13.1.2 상향식 파싱
13.1.3 하향식 및 상향식 파싱 비교
13.2 중의성
13.3 중의성 측면에서 검색
13.4 동적 프로그래밍 파싱 방법
13.4.1 CKY 파싱
13.4.2 Earley 알고리듬
13.4.3 차트 파싱
13.5 부분적인 파싱
13.5.1 유한 상태 규칙 기반 청킹
13.5.2 청킹에 대한 머신러닝 기반 접근법
13.5.3 청킹 시스템 평가
13.6 요약
참고문헌 및 역사 참고 사항
연습

14장. 통계에 근거한 파싱
14.1 확률론적 문맥 자유 문법
14.1.1 중의성 해소를 위한 PCFG
14.1.2 언어 모델링을 위한 PCFG
14.2 PCFG의 확률론적 CKY 파싱
14.3 PCFG 규칙 확률 학습 방법
14.4 PCFG의 문제
14.4.1 규칙 간의 구조적 종속성을 결여한 독립 가정
14.4.2 어휘 종속성의 민감성 결여
14.5 논터미널을 분할한 PCFG 개선
14.6 확률론적 어휘 CFG
14.6.1 콜린스 파서
14.6.2 고급: 콜린스 파서의 추가 세부 정보
14.7 파서 평가
14.8 고급: 차별적 재순위화
14.9 고급: 파서 기반 언어 모델링
14.10 휴먼 파싱
14.11 요약
참고문헌 및 역사 참고 사항
연습

15장. 피처와 결합
15.1 피처 구조
15.2 피처 구조의 통일
15.3 문법의 피처 구조
15.3.1 일치
15.3.2 헤드 피처
15.3.3 하위 범주화
15.3.4 장거리 종속성
15.4 통일 실행
15.4.1 통일 데이터 구조
15.4.2 통일 알고리듬
15.5 통일 제약 조건을 사용한 구문 분석
15.5.1 Earley 파서로의 통일
15.5.2 통일 기반 파싱
15.6 유형과 상속
15.6.1 고급: 입력할 확장자
15.6.2 통일에 대한 기타 확장
15.7 요약
참고문헌 및 역사 참고 사항
연습

16장. 언어와 복잡성
16.1 촘스키 계층 구조
16.2 언어가 규칙적이지 않은지 확인하는 방법
16.2.1 펌핑 렘마
16.2.2 다양한 자연어가 규칙적이지 않다는 증거
16.3 문맥 자유 자연어란
16.4 복잡성과 인간의 프로세싱
16.5 요약
참고문헌 및 역사 참고 사항
연습

17장. 의미표현상
17.1 표현에 대한 컴퓨터 요구 사항
17.1.1 검증 가능성
17.1.2 중의적이지 않은 표현
17.1.3 기본형
17.1.4 추론 및 변수
17.1.5 표현성
17.2 모델 이론적 의미론
17.3 1차 논리
17.3.1 1차 논리의 기본 요소
17.3.2 변수와 양화사
17.3.3 람다 표기법
17.3.4 1차 논리의 의미
17.3.5 추론
17.4 이벤트 및 상태 표현
17.4.1 시간 표시
17.4.2 동사의 상
17.5 기술 논리
17.6 의미에 대한 구체화 및 위치 접근
17.7 요약
참고문헌 및 역사 참고 사항
연습

18장. 컴퓨터의 의미론
18.1 구문 기반 의미 분석
18.2 구문 규칙의 의미적 확장
18.3 양화사 범위 중의성 및 비명세성
18.3.1 접근 방식 저장 및 검색
18.3.2 제약 기반 접근 방식
18.4 의미론적 분석의 통합 기반 접근
18.5 Earley 파서에 의미론 통합
18.6 관용어와 구성
18.7 요약
참고문헌 및 역사 참고 사항
연습

19장. 어휘 의미론
19.1 단어 의미
19.2 의미 간의 관계
19.2.1 동의어와 반의어
19.2.2 하위어
19.2.3 의미장
19.3 WordNet : 어휘 관계 데이터베이스
19.4 이벤트 관여자
19.4.1 의미역
19.4.2 특성 대체
19.4.3 의미역의 문제
19.4.4 명제 뱅크
19.4.5 FrameNet
19.4.6 선택 제한
19.5 기본 분해
19.6 고급: 은유
19.7 요약
참고문헌 및 역사 참고 사항
연습

20장. 컴퓨터의 어휘 의미론
20.1 단어 의미 중의성 해소: 개요
20.2 지도된 단어 감지 중의성 해소
20.2.1 지도 학습을 위한 피처 추출
20.2.2 나이브 베이즈 및 의사결정 목록 분류사
20.3 WSD 평가, 기준치 및 한도
20.4 WSD: 사전 및 시소러스 방법
20.4.1 Lesk 알고리듬
20.4.2 선택 제한 및 선택 선호도
20.5 최소 지도 WSD: 부트스트래핑
20.6 단어 유사성: 시소러스 방법
20.7 단어 유사성: 분산 방법
20.7.1 단어의 동시 발생 벡터 정의
20.7.2 맥락과의 연관성 측정
20.7.3 두 벡터 간의 유사성 정의
20.7.4 분산 단어 유사성 평가
20.8 하의어 및 기타 단어 관계
20.9 의미론적 역할 레이블링
20.10 고급: 비지도 의미 중의성 해소
20.11 요약
참고문헌 및 역사 참고 사항
연습

21장. 컴퓨터를 사용한 담화
21.1 담화 세분화
21.1.1 비지도 담화 세분화
21.1.2 지도된 담화 세분화
21.1.3 담화 세분화 평가
21.2 텍스트 일관성
21.2.1 수사적 구조 이론
21.2.2 자동 일관성 할당
21.3 참조 해결
21.4 지시 현상
21.4.1 다섯 가지 유형의 지칭 표현
21.4.2 정보 상태
21.5 대명사의 대용어 복원 피처
21.5.1 잠재적 대상 필터링 피처
21.5.2 대명사 해석의 선택
21.6 대용어 복원을 위한 세 가지 알고리듬
21.6.1 대명사의 대용어 기준선: 홉스 알고리듬
21.6.2 대용어 복원을 위한 센터링 알고리듬
21.6.3 대명사 대용어 복원을 위한 로그 - 선형 모델
21.6.4 대명사의 대용어 복원을 위한 피처
21.7 대용어 해소
21.8 대용어 해소 평가
21.9 고급: 추론 기반 일관성 해결
21.10 지칭에 대한 심리학적 연구
21.11 요약
참고문헌 및 역사 참고 사항
연습

22장. 정보 추출
22.1 개체명 인식
22.1.1 개체명 인식의 중의성
22.1.2 시퀀스 레이블링으로서의 NER
22.1.3 기업명 인식 평가
22.1.4 실용적인 NER 아키텍처
22.2 관계 검출 및 분류
22.2.1 관계 분석에 대한 지도 학습 접근법
22.2.2 관계 분석의 용이한 지도된 접근 방식
22.2.3 관계 분석 시스템의 평가
22.3 시간 및 이벤트 처리
22.3.1 시간 표현 인식
22.3.2 시간적 정규화
22.3.3 이벤트 감지 및 분석
22.3.4 TimeBank
22.4 템플릿 채우기
22.4.1 템플릿 채우기에 대한 통계적 접근
22.4.2 유한 상태 템플릿 채우기 시스템
22.5 고급: 생의학 정보 추출
22.5.1 생물학적 개체명 인식
22.5.2 유전자 정규화
22.5.3 생물학적 역할 및 관계
22.6 요약
참고문헌 및 역사 참고 사항
연습

23장. 질의응답 및 요약
23.1 정보 검색
23.1.1 벡터 공간 모델
23.1.2 용어 가중치
23.1.3 용어 선택 및 생성
23.1.4 정보 검색 시스템 평가
23.1.5 동음이의, 다의성 및 동의성
23.1.6 사용자 쿼리를 개선하는 방법
23.2 팩토이드 질의응답
23.2.1 질문 처리
23.2.2 단락 검색
23.2.3 답변 처리
23.2.4 팩토이드 답변 평가
23.3 요약
23.4 단일 문서 요약
23.4.1 비지도 콘텐츠 선택
23.4.2 수사학적 파싱을 기반으로 한 비지도 요약
23.4.3 지도 콘텐츠 선택
23.4.4 문장 단순화
23.5 다중 문서 요약
23.5.1 다중 문서 요약의 콘텐츠 선택
23.5.2 다중 문서 요약의 정보 순서
23.6 집중 요약 및 질의응답
23.7 요약 평가
23.8 요약
참고문헌 및 역사 참고 사항
연습

24장. 다이얼로그 및 대화 에이전트
24.1 인간 대화의 속성
24.1.1 의사소통 순서와 주고받기
24.1.2 실행 언어: 화행
24.1.3 공동 작용으로서의 언어: 기초
24.1.4 대화 구조
24.1.5 대화 의미
24.2 기본 다이얼로그 시스템
24.2.1 ASR 구성 요소
24.2.2 NLU 구성 요소
24.2.3 생성 및 TTS 구성 요소
24.2.4 다이얼로그 관리자
24.2.5 오류 처리: 확인 및 거부
24.3 VoiceXML
24.4 다이얼로그 시스템 설계 및 평가
24.4.1 다이얼로그 시스템 설계
24.4.2 다이얼로그 시스템 평가
24.5 정보 상태와 대화 행위
24.5.1 대화 행위 사용
24.5.2 대화 행위 해석
24.5.3 교정 행위 감지
24.5.4 대화 행위 생성: 확인 및 거부
24.6 마르코프 의사결정 프로세스 아키텍처
24.7 고급: 계획 기반 다이얼로그 에이전트
24.7.1 계획 추론 해석 및 생성
24.7.2 의도적인 다이얼로그 구조
24.8 요약
참고문헌 및 역사 참고 사항
연습

25장. 기계 번역
25.1 기계 번역이 어려운 이유
25.1.1 유형 분류 체계
25.1.2 기타 구조 차이
25.1.3 어휘의 차이
25.2 클래식 MT와 보쿠아 삼각형
25.2.1 직역
25.2.2 전달
25.2.3 클래식 MT에서 결합된 직접 및 전달 접근 방식
25.2.4 인터링구아 아이디어: 의미 사용
25.3 통계적 MT
25.4 P (F |E ): 구문 기반 번역 모델
25.5 MT에서의 정렬
25.5.1 IBM Model 1
25.5.2 HMM 정렬
25.6 훈련 정렬 모델
25.6.1 훈련 정렬 모델을 위한 EM
25.7 구문 기반 MT를 위한 대칭 정렬
25.8 구문 기반 통계 MT에 대한 디코딩
25.9 MT 평가
25.9.1 인간 평가자 사용
25.9.2 자동 평가: BLEU
25.10 고급: MT용 구문 모델
25.11 고급 : IBM Model 3 및 퍼틸리티
25.11.1 Model 3 훈련
25.12 고급: MT용 로그 선형 모델
25.13 요약
참고문헌 및 역사 참고 사항
연습