Nlp 自然语言处理的数学要求是什么？

我试着四处看看，但在进入NLP之前，我似乎找不到关于我需要什么数学的答案。我希望在进入NLP之前有一个扎实的数学基础。 从我收集的信息来看，主要是： 可能性 一些统计数字,， 离散数学

---

谢谢您的时间。

与大多数字段一样，您会发现，一旦您深入研究，标题“NLP”涵盖了相当广泛的子字段。根据你要完成的任务，数学要求有很大的不同。所以，对你的目标再详细一点会有所帮助

这就是说，我可以解决解析和相关领域，我有一些经验，并提供非常一般性的意见对其他几个领域

你会发现离散数学和自动机理论在任何计算机科学学科中都很有用，所以你不会出错

一些NLP工作更接近语言学或心理学，而不是计算机科学。因此，如果你的兴趣所在，一些语言学理论可能会有所帮助，一些统计假设检验的背景知识（你可能在社会科学系找到的那种应用统计学，尽管越严格越好）

对于形态学、标记、解析和相关领域，一些概率理论是有帮助的（关于动态规划的经验也是如此，尽管这不是真正的数学背景）。如果你在做任何涉及机器学习的事情（这是NLP的大部分），了解一些线性代数会有帮助

---

这就是说，如果你的目标更加实用，你可以通过应用现有的工具完成很多事情，而不需要详细的数学知识（如果你只需要一个分类器，那么训练SVM不需要任何线性代数）。

就像在大多数领域一样，一旦你深入研究了这个标题“NLP”涵盖相当广泛的子字段。根据你要完成的任务，数学要求有很大的不同。所以，对你的目标再详细一点会有所帮助

这就是说，我可以解决解析和相关领域，我有一些经验，并提供非常一般性的意见对其他几个领域

你会发现离散数学和自动机理论在任何计算机科学学科中都很有用，所以你不会出错

一些NLP工作更接近语言学或心理学，而不是计算机科学。因此，如果你的兴趣所在，一些语言学理论可能会有所帮助，一些统计假设检验的背景知识（你可能在社会科学系找到的那种应用统计学，尽管越严格越好）

对于形态学、标记、解析和相关领域，一些概率理论是有帮助的（关于动态规划的经验也是如此，尽管这不是真正的数学背景）。如果你在做任何涉及机器学习的事情（这是NLP的大部分），了解一些线性代数会有帮助

---

这就是说，如果你的目标更加实用，你可以通过应用现有的工具完成很多事情，而不需要详细的数学知识（如果你只需要一个分类器的话，训练SVM不需要任何线性代数）。

为了理解，没有数学来建模语言。“model”表示函数将语言表达式映射到number或utility。“理解”来源于表征和构图，超越了自然科学

对于理解，没有数学来模拟语言。“model”表示函数将语言表达式映射到number或utility。“理解”来源于表征和构图，超越了自然科学

最后一段+1。请记住，许多具有默认设置的分类器性能较差，智能地调整参数需要了解分类器的工作原理。最后一段+1。请记住，许多具有默认设置的分类器性能较差，智能地调整参数需要了解分类器的工作方式。