1.乔姆斯基文法
（1）基础数学定义
（2）乔姆斯基文法四元组
对于VN,语言学家会预定义一套符号，比如：
S代表句子
NP代表名词短语（Noun Phrase）
VP代表动词短语（Verb Phrase)
对于P,也是专家定义的一系列规则，是根据语法定义的 如：S->NP VP
（3）乔姆斯基层次结构
2.上下文无关文法（CFG)
如果对于左侧是NP的规则，后续的选择有很多，这里可以循环来尝试
课件中的另一个例子：
3.乔姆斯基范式（CNF）
Chomsky Normal Form
注意，CNF是CFG的子集
严格规则定义：
比如
| 特性 | 普通 CFG (2 型文法) | CNF (乔姆斯基范式) |
|---|---|---|
| 灵活性 | 极高，右边可以随心所欲组合 | 极低，只能是 BC 或 a |
| 语法树形状 | 任意形状的多叉树 | 标准二叉树 |
| 算法支持 | 较难直接进行高效自动化解析 | 完美适配 CYK 等动态规划算法 |
| 地位 | 语言学的描述工具 | 计算机 NLP 的运算工具 |
CYK算法是判断句子是否符合文法的经典算法，它要求文法必须是CNF格式
对于长度为n的句子，在CNF文法下，推导过程正好需要2n-1步
CYK算法
CYK核心是一个自底向上的动态规划过程
目标是：给定一个句子和一个 CNF 文法，填满一个三角形的表格，最终看顶格是否包含开始符号 S
用一个例子来看：
填写第一行的时候，注意也要使用规则，每个格可能有好几种表示
填写第二行时候，如果是12拼成的，第二行要写在1的位置
在下图中，VP->V NP是根据2、3格的出来的，也就是要写在2的位置
在填写第3行的时候，可以自由的组合，比如可以1+23，12+3，23+4等等都可以，把符合的写出来即可，如下图
比如其中第三行的1位置，是由1+23得到的（S -> NP VP）
4.概率上下文无关法
在传统的 CFG 中，一个句子往往能推导出多棵语法树（这就是所谓的歧义性）
在概率上下文无关法中，对于同一个非终结符（左手边相同），其所有可能的推导规则概率之和必须等于 1，比如
引入概率后，之前的 CYK 算法 就进化成了 概率 CYK 算法：
-
填表内容变了：以前格子里只写 {NP, VP}，现在要写 {(NP, 0.5), (VP, 0.2)}。
-
组合逻辑变了：当你合并两个格子时，不再是简单的拼接，而是要进行乘法运算：
-
目标变了 ：不再是"填满就行"，而是在填表过程中，如果同一个格子里出现了多个相同的非终结符（比如两个不同的推导都得到了 NP），只保留概率最大的那一个（类似于 Viterbi 算法的思想）
三个问题：（类似HMM中的三个问题）
