随着人类社会信息化程度和计算机软硬件水平的提高，自然语言处理（Natural Language Processing，简称NLP）技术逐渐成为计算机应用和人工智能研究的热点，其基本技术目标是让计算机具有类似人的语言智能，例如能够象人一样听、说、读、写。围绕NLP技术逐渐形成了一个专门的学科——计算语言学。该学科属于交叉学科，涉及到语言学、心理学、心理语言学、脑科学、计算机科学、哲学、逻辑学、人工智能、数学、信息论、文学、美学等诸多学科或领域。从上个世纪中叶以来，虽然不同学科和领域的无数研究者投入了大量的研究资源，探索出了一些有效的技术，取得了一定的成果，但离实现基本技术目标还显得非常遥远。值此世纪之初，有必要从更高、更深的层面重新审视NLP技术的研究背景、目标和途径，在继承现有技术的基础上大胆创新，探索出切实可行、面向未来的新技术。本文在这个方向上作出了努力，以抛砖引玉，促进NLP技术的发展。

**章 技术背景
自然语言处理（NATURAL LANGUAGE PROCESSING，简称NLP）在我国又称“语言信息处理”，根据我国GB12200.1-90的定义，指“用计算机对自然语言的音、形、义等信息进行处理，即对字、词、句、篇章的输入、输出、识别、分析、理解、生成等的操作与加工”。NLP是计算机应用和人工智能研究的热点和难点，是计算机技术和信息社会高速发展到一定阶段的必然课题，具有极大的挑战性和广阔的应用前景。
NLP技术的**目标是实现一种能够像个体人一样进行语言加工的智能机器。从信息论角度来看，这种加工包括语��输入、语言存储、语言运算、语言输出等基本过程。现阶段由于计算机在这些方面的突出表现，理所当然成为NLP的基本工具。然而NLP研究并不顺利。从20世纪50年代*初的小小成功而盲目乐观，到60年代遭遇挫折而陷入低潮，再到80年代至今出现研究热潮而艰难探索，人们逐渐得出这一结论：NLP是非常困难的。
要列出NLP的困难之处，显然不胜枚举，但找到根本难点是关键。NLP的根本难点是什么？在于自然语言具有认识性和不确定性。人类具有很强的认识能力和处理不确定性的能力，而现阶段的符号处理式计算机无法具备克服这一根本难点的能力。当然计算机技术是不断发展的，如量子计算机、DNA计算机现在已崭露头角。如果将来这些计算机能够克服NLP的根本难点，那么实现NLP的**目标是可能的。
为了准确地理解自然语言的不确定性和认识性，可以通过与人工语言的对比来分析。本节主要参考文献为〔3-24〕。
……

前言
**章 技术背景
1.1 NLP的根本难点——认识性和不确定性
1.2 现阶段NLP的根本目标——受限语言智能仿知技术
1.3 NLP技术的发展阶段
1.4 NLP技术的发展趋势
1.5 小结
第二章 基本词联接的NLP技术概述
2.1 TCT的基本原理和技术结构
2.2 TCT的哲学基础——易学
2.3 TCT的理论基础——神经认知语言学
2.4 TCT的方法基础——基于实例的知识加工
2.5 小结
第三章 基于词联接的知识表示技术（TCTR）
3.1 知识表示基本原理
3.2 自然语言知识结构与要素
3.3 TCTR语言知识形式化系统
3.4 小结
第四章 基于词联接的知识获取技术（TCTO）
4.1 知识获取基本原理
4.2 TCTO语言知识设计原理
4.3 TCTO语料标注规范
4.4 初级语言知识获取与管理
4.5 小结
第五章 基于词联的语言分析技术（TCTA）
5.1 语言分析基本原理
5.2 TCTA初级语言分析原理
5.3 TCTA初级语言分析核心算法
5.4 小结
第六章 基于词联接的语言评价技术（TCTE）
6.1 语言评价基本原理
6.2 TCTE语言风格评价原理
6.3 TCTE语言风格计算
6.4 小结
第七章 诗词语言处理系统（PPS）开发与测试
7.1 开发目标
7.2 PPS设计
7.3 PPS测试
7.4 小结
第八章 总结与展望
参考文献
附录一 图、表、公式索引
附录二 《唐诗作品豪放与婉约风格评价问卷调查》表
附录三 诗词语言处理系统界面设计