统计学习方法即机器学习方法，是计算机及其应用领域的一门重要学科。本书分为监督学习和无监督学习两篇，全面系统地介绍了统计学习的主要方法。包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与最大熵模型、支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场，以及聚类方法、奇异值分解、主成分分析、潜在语义分析、概率潜在语义分析、马尔可夫链蒙特卡罗法、潜在狄利克雷分配和PageRank算法等

第五节语境 一、语境及其分类 （一)什么是语境语境就是语言环境 （二)语境的类型 1.一种是狭义的语境,指具体交际中的口语的前言后语或书面语的上下文; 2.一种是广义语境,指交际时的具体环境,还包括社会、民族、文化、时代、经济、政治、风俗习惯等。 二、语境对语义的作用 1.确定词语的具体意义。 2.帮助选择同义词,限制说话人的说话方式。 3.影响词语的感情色彩。 4.填补丰富词语意义

• 离散数学和计算机科学的关系 – 离散数学的特点、与计算机科学的关系 • 基本知识 – 偏序集合、最小上界、完全偏序集合、函数序、函数的单调性和连续性 • 递归函数的定义式的求解 – 函数的不动点、递归函数定义、递归函数定义的解、不动点算子、最小不动点定理 • 编程语言递归函数的数学语义

01.移动学习概述 04.移动学习研究中需要关注的问题 02.新技术下的移动学习 05.移动学习的挑战与反思 03.移动学习研究相关主题

教育技术名称演变 教育技术学的定义 教育技术学的特征 发展关系 教育技术学的学科性质 教育技术的九大特性 走向哲学——教育技术的必然 现代教育技术学的哲学基础

⚫内容：推理形式和推理演算是数理逻辑研究的基本内容。 ⚫推理演算要用正确的推理：推理形式由前提和结论经蕴涵词联接而成。我们关注正确的推理形式 。正确的推理形式可由逻辑关系符表达。 ⚫非形式描述：本章对命题等值和推理演算进行的讨论，是以语义的观点进行的非形式的描述

什么是自然语言处理 机器翻译（Machine Translation） 信息抽取的结果 自然语言处理所涉及的学科 基于规则的自然语言处理方法（理性方法，传统方法） 形态还原算法 基于规则的歧义字段消歧方法 句法分析——组成分分析 自底向上句法分析 句法分析与逻辑程序设计 增加句法符号和规则带来的问题 合一文法 语义组合 机器翻译

量表的概念(Scales)： 总加量表：李克特量表（Likert scale) 累积量表：格特曼量表（含鲍格达斯社会距离量表） 语义差异量表(semantic differential scales)

1)引言 2)人工智能的定义及发展 3)人工智能的学派 4)人工智能的研究和应用领域 5)人工智能对未来的影响

6.1 概述 6.2 贝叶斯概率基础 6.3 贝叶斯问题的求解 6.4 简单贝叶斯学习模型 6.5 贝叶斯网络的建造 6.6 贝叶斯潜在语义模型 6.7 半监督文本挖掘算法