我试过四处寻找，但在进入NLP之前，似乎无法找到我需要的数学答案。在进入NLP之前，我希望在数学方面有一个坚实的基础。
从我收集的内容来看，主要是： 可能性， 一些统计， 离散数学
感谢您的时间。
答案 0 :(得分：3)
与大多数领域一样，一旦你潜入，你会发现标题“NLP”涵盖了相当广泛的子领域。数学要求根据您要完成的任务而有很大差异。所以关于你的目标的更多细节会有所帮助。
那就是说，我可以解决我在一些经验中的解析和相关领域，并对其他一些提供非常一般性的评论。
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，所以你不能在那里出错。
一些NLP工作比计算机科学更接近语言学或心理学。所以一些语言学理论可能会有所帮助，如果这是你的兴趣所在，以及统计假设检验的一些背景（你可能在社会科学系找到的那种应用统计数据，虽然越严格越好）。
对于形态学，标记，解析和相关领域，一些概率论是有帮助的（正如关于动态编程的经验思考，尽管那不是真正的数学背景）。如果您正在做涉及机器学习的任何事情（大多数是NLP），那么理解一些线性代数会有所帮助。
也就是说，如果您的目标更加适用，您可以通过应用现有工具完成很多工作，而无需详细了解基础数学（如果您需要的话，它不需要任何线性代数来训练SVM分类器）。
答案 1 :(得分：0)
为了理解，没有数学模型语言。 ＆＃39;模型＆＃39;表示函数将语言表达式映射到数字或实用程序。理解＆＃39;来自代表和构成，超越了自然科学。