FSA(automaton)--有限狀態機,或者是FSM(machine)
正則表達式不僅僅用在文本的查找中, 也是一種用于描述有限狀態機的方法.
用有向圖來表示FSA,有nodes節點代表狀態，以及連接node的與有向線段．double circle是結束節點
使用有限狀態機去識別羊說話
FSA可以用于實現正則表達式，任何一個正則表達式也可以被實現為一個FSA．輸入string，返回accept or reject
FSA又可以進一步分為DFSA和Non-Deterministic FSA即(NFSA),指的是狀態機中含有一些不能確定的點，即不能根據輸入的string判斷當前在哪個狀態． DFSA可以轉化為NFSA．
羊說話的格式是:
baaa!
baaaa!
baaaaa!
baaaaaa!
Formal language
理解就是一組"規定字符串"的集合, 而組成這個字符串的字符集是我們自己定義的字母表.比如羊語言的只含有{a, b, !},另外我們需要定義一個模型, 這個模型是我們定義的一個特殊狀態機, 讓字母表中的字符任意排列組合成一個字符串并與這個模型(狀態機)進行匹配, 當狀態機返回的結果是accept時, 也就是說這個字符串是符合我們想要的. 那么就加入到Formal language集合中去.我們可以看到, Formal language中的內容是和模型密切相關的.
除此, Formal language 很有可能是無限個字符串的集合.
第三章
stemming & lemmatization
stemming:詞干解析/詞干提取 抽取詞的一般形式，大部分是采用縮減的方法，如cats > cat
lemmatization:詞性還原 抽取詞的詞干或詞根形式.如 drove > drive 比詞干提取要復雜
morpheme詞素,比單詞word的顆粒度更小，定義為承擔最小語義的語言單位,一個單詞可以理解為含有多個詞干和后綴組成．后綴又分為前綴 后綴 中綴，前后詞綴.
通過詞素構成單詞主要有四種方式：
Inflection Derivation Compounding Cliticization
Inflection : 含有inflectional的詞素，比如-s，就可以將單詞和-s結合起來將名詞的單數形式變為復數形式．變化后還是原來的class,這里的class應該就是詞性的分類，如名詞 ，動詞 形容詞．
Derivation:和Inflection的構成公式差不多，但通常變化后會改變原來的單詞詞性， 如
verb動詞computerize和后綴-ation變為computerization名詞．
Compounding: 簡單點， 將多個單詞合并為一個．如doghouse就是dog和house的合并．
Cliticization: 將一個word和一個clitic組合．clitic翻譯完附著詞素，很像單詞的詞綴，但詞綴只是針對一個單詞，而clitic可以附著到任何整句話和一個句子中．
如果我們使用一個不確定性FSA來識別字符串，可能在某一個有多種選擇(arcs)的點上面，我們可能選擇了一個錯誤的arc,這就導致本來應該是一個accept的字符串，我們給出了reject的結果．有三種解決辦法，Back-up, Look-ahead, Parallelism(不進行選擇，每一種選擇都試驗一遍)
Morphological parsing
Parsing means 輸入一個單詞，輸出這個單詞的一些語言結構．
FSA Morphological parsing
使用有限狀態機這一方法來實現形態解析．
- 1.就是通過FSA構建用于解析的詞典(Lexicon),構建成果之后，就可以用于單詞識別．
- 2.finite-state transducer FST 理解為是一種特殊FSA， FST 介紹
FST 圖片 - 3.FST每一步都有相應的輸入和輸出．
