內容豐富多彩，闡述深入淺出
——評《統計自然語言處理》(第2版)

俞士汶

(計算語言學教育部重點實驗室(北京大學);北京大學 計算語言學研究所)

宗成慶博士著《統計自然語言處理》一書自2008年問世以來，已在計算語言學與自然語言處理學界產生了廣泛影響，被很多大學、研究所指定為碩士生、博士生的必讀參考書。該書第1版很快售罄。參照讀者反饋的意見，作者對該書進行了增刪、修改和磨礪，于2013年8月推出了第2版。在清華大學出版社組織出版的《中文信息處理叢書》中，這種情況是不多見的。

《統計自然語言處理》(第2版)全書共16章，洋洋灑灑87.5萬余字，全面介紹了統計自然語言處理的基本概念、理論和方法，既有詞法分析、句法分析、語義分析和篇章分析等核心技術，也有機器翻譯、文本分類、信息抽取、自動文摘、情感計算以及口語信息處理與人機會話等應用系統，而且對形式語言與自動機、語言模型和概率圖模型、語料庫與語言知識庫這些自然語言處理賴以實現的理論模型和數據資源給予了詳細的介紹，并以概率論、信息論和機器學習等基礎知識作為鋪墊，可謂一應俱全，豐富多彩。綜觀全書，脈絡清晰，條理井然，內容全而不繁，闡述深入淺出，不失為一部上乘之作。

除了內容豐富之外，本書還有以下特點： (1)從第7章至第9章，在介紹自然語言處理的核心方法時，從基本概念或提出問題開始，到基本方法和各種方法的對比和改進，按照開展研究工作的基本思路逐步展開，并且利用實驗數據對各種方法或模型進行客觀的比較，給讀者留下思考的空間，讓讀者做出自己的判斷。如第7章關于詞語切分方法的比較，第8章關于短語結構分析器和依存分析器的性能比較。(2)在介紹每一部分內容時，都引用了相關的代表性論文，包括一些在計算語言學領域頂級國際會議上獲獎的優秀論文，如統計機器翻譯中基于最大熵的翻譯模型、基于層次短語的翻譯模型等，有利于讀者了解相關領域的主流方法和代表性成果。(3)對本領域使用的專業術語都給出了規范的英文注釋，為讀者閱讀英文文獻和撰寫英文論文提供參照和幫助。(4)對于很多開源工具，如支持向量機(SVM)、條件隨機場(CRF)、最大熵(ME)、隱馬爾可夫模型(HMM)等，以及作者的課題組所實現的工具軟件，如漢語分詞系統(Urheen)和句法分析器(Oboe)等，都給出了明確的網址，方便讀者直接使用，還可以進行對比實驗。

之所以能寫出這樣一本好書，是因為作者既有較深的學術造詣，又有豐富的實踐經驗。宗成慶博士自2004年起就在中國科學院自動化研究所任研究員和博士生導師，已有10年時光的高級學術活動的歷練，是自然語言處理學界的知名學者。他所取得的科研成果在國內外享有盛譽，產生了較大的影響。例如，他主持研發的多語言機器翻譯系統多次在國際和全國機器翻譯系統評測中取得第一名的優異成績，并在實際應用中取得了卓越的效果。宗成慶博士也在本書中介紹了自己近年來的一些研究成果，如基于字的生成式模型和區分式模型相結合的漢語分詞方法、雙語聯合的語義角色標注方法、基于謂詞論元結構轉換的翻譯模型等，這些工作大都發表在高層次的國際學術會議或期刊上。

本書前言提及，對于書中的重要內容，作者都邀請了同行專家或專門從事相關研究的博士研究生進行校對，并就某些問題反復進行討論和核實。這種嚴謹的治學態度是值得褒揚的。

與《統計自然語言處理》第1版相比，第2版刪除了一些相對陳舊的內容，如統計機器翻譯中基于詞的翻譯方法等，增加了近年來的一些熱點研究內容，如第10章篇章分析、第11章中一些新的翻譯模型和第15章關于情感信息抽取的內容等，且在很多章節中都給出了具體的實例，而不只是介紹數學模型，如基于詞的n元語法模型的分詞方法和基于概率上下文無關文法(PCFG)的句法分析方法等，有利于讀者理解和實現相關算法。

綜上所述，《統計自然語言處理》第2版的問世順應了大數據時代自然語言處理研究和開發的需求，是自然語言處理領域的一件幸事，有利于中文信息處理事業的發展。有理由相信，本書的出版一定會受到廣大讀者的歡迎。