本书致力于探索自然语言处理和认知科学之间的关系，以及计算机科学对这两个领域的贡献。书中内容来源于自然语言处理和认知科学国际研讨会（NLPCS）的新论文，该研讨会发起于2004年，支持研究课题的多样性和跨学科性，为自然语言研究者、计算机科学家、认知科学家和语言学家构建了交流与合作的平台。

本书共10章，内容涵盖自然语言理解、自然语言生成、单词关联、词义消歧、单词预测、文本生成和著述属性等领域，从多个视角阐述了自然语言的产生、识别、加工和理解过程，不仅包含大量算法和研究成果，而且分享了前沿学者的宝贵经验。

伯纳黛特·夏普（Bernadette Sharp） 英国斯塔福德郡大学应用人工智能系教授。她的研究兴趣包括人工智能、自然语言处理和文本挖掘。自从2004年以来，她一直担任NLPCS的主席和审稿人。

译者序
前言
作者名单
第1章    延迟解释、浅层处理和构式：“尽可能解释”原则的基础
    1.1    引言
    1.2    延迟处理
    1.3    工作记忆
    1.4    如何识别语块：分词操作
    1.5    延迟架构
        1.5.1    分段和存储
        1.5.2    内聚聚集
    1.6    结论
    1.7    参考文献
第2章    人类关联规范能否评估机器制造的关联列表
    2.1    引言
    2.2    人类语义关联
        2.2.1    单词关联测试
        2.2.2    作者的实验
        2.2.3    人类关联拓扑
        2.2.4    人类关联具有可比性
    2.3    算法效率比较
        2.3.1    语料库
        2.3.2    LSA源关联列表
        2.3.3    LDA源列表
        2.3.4    基于关联比率的列表
        2.3.5    列表比较
    2.4    结论
    2.5    参考文献
第3章    文本词如何在人类关联网络中选择相关词
    3.1    引言
    3.2    网络
    3.3    基于文本的激励驱动的网络提取
        3.3.1    子图提取算法
        3.3.2    控制流程
        3.3.3    最短路径提取
        3.3.4    基于语料库的子图
    3.4    网络提取流程的测试
        3.4.1    进行测试的语料库
        3.4.2    提取子图的评估
        3.4.3    有向和无向子图提取：对比
        3.4.4    每个激励产生的结果
    3.5    对结果和相关工作的简要讨论
    3.6    参考文献
第4章    反向关联任务
    4.1    引言
    4.2    计算前向关联
        4.2.1    步骤
        4.2.2    结果和评估
    4.3    计算反向关联
        4.3.1    问题
        4.3.2    步骤
        4.3.3    结果和评估
    4.4    人类的表现
        4.4.1    数据集
        4.4.2    测试流程
        4.4.3    评估
    4.5    机器性能
    4.6    讨论、结果和展望
        4.6.1    人类的反向关联
        4.6.2    机器的反向关联
    4.7    致谢
    4.8    参考文献
第5章    词汇的隐藏结构与功能
    5.1    引言
    5.2    方法
        5.2.1    词典图
        5.2.2    心理语言学变量
        5.2.3    数据分析
    5.3    内核、卫星、核心、MinSet以及词典余下部分的心理语言学属性
    5.4    讨论
    5.5    未来工作
    5.6    参考文献
第6章    用于词义消歧的直推式学习博弈
    6.1    引言
    6.2    基于图的词义消歧
    6.3    半监督学习方法
        6.3.1    基于图的半监督学习
        6.3.2    博弈论和博弈动态
    6.4    词义消歧博弈
        6.4.1    图构造
        6.4.2    策略空间
        6.4.3    收益矩阵
        6.4.4    系统动力学
    6.5    评估
        6.5.1    实验设置
        6.5.2    评估结果
        6.5.3    对比先进水平算法
    6.6    结论
    6.7    参考文献
第7章    用心学写：生成连贯文本的问题
    7.1    问题
    7.2    次优文本及其相关原因
        7.2.1    缺乏连贯性或凝聚力
        7.2.2    错误引用
        7.2.3    无动机的主题转移
    7.3    如何解决任务的复杂性
    7.4    相关研究
    7.5    关于构建辅助写作过程的工具的假设
    7.6    方法论
        7.6.1    句法结构的识别
        7.6.2    语义种子词的识别
        7.6.3    单词对齐
        7.6.4    确定对齐单词的相似性值
        7.6.5    确定句子之间的相似性
        7.6.6    基于句子相似性值的聚类
    7.7    实验结果和评估
    7.8    展望和总结
    7.9    参考文献
第8章    面向著述属性的基于序贯规则挖掘的文体特征
    8.1    引言和研究动机
    8.2    著述属性过程
    8.3    著述属性的文体特征
    8.4    针对文体分析的时序数据挖掘
    8.5    实验设置
        8.5.1    数据集
        8.5.2    分类方案
    8.6    结果和讨论
    8.7    结论
    8.8    参考文献
第9章    一种并行的、面向认知的基频估计算法
    9.1    引言
    9.2    语音信号分割
        9.2.1    语音和停顿段
        9.2.2    浊音和清音区
        9.2.3    稳定和不稳定区间
    9.3    稳定区间的F0估计
    9.4    F0传播
        9.4.1    控制流
        9.4.2    峰值传播
    9.5    不稳定的浊音区域
    9.6    并行化
    9.7    实验和结果
    9.8    结论
    9.9    致谢
    9.10    参考文献
第10章    基于完形填充、脑电图和眼球运动数据对n元语言模型、主题模型和循环神经网络的基准测试
    10.1    引言
    10.2    相关工作
    10.3    方法
        10.3.1    人类绩效评估
        10.3.2    语言模型的三种风格
    10.4    实验设置
    10.5    结果
        10.5.1    可预测性结果
        10.5.2    N400振幅结果
        10.5.3    单一注视时延结果
    10.6    讨论和结论
    10.7    致谢
    10.8    参考文献
术语表