我们相信，在人们对概率模型应用于语言(和一般的认知）所持有的怀疑态度中，大部分是因为众所周知的早期概率模型（在20世纪40年代和20世纪50年代开发的）非常简单。因为这些简单的模型无法适应人类语言的复杂性，所以它们表现出了概率模型对处理语言的不适用性。我们推崇的观点之一是，复杂的概率模型可以像一个复杂的非概率模型一样解释问题，并且还带有更多的优点，它们可以解释在认知中和在实际的语言中经常出现的不确定的、不完整的现象。

这些问题涉及到了统计自然语言处理中的语义学处理方法。我们先前表述过，在统计自然语言处理中的大部分现有工作都重点关注低层次的语法处理，但是人们有时也会提出这样的疑问，统计方法是否可以处理语言的意思。回答这个问题的主要困难是我们把这个“意思”定义成什么！如果把意思认为是某些语言中的符号表示，那么统计方法实际上就是有用的，比如当我们把英语翻译成一种SQL之类的数据库查询语言时。这种语言当然可以使用统计自然语言处理系统来实现。但是，从统计自然语言处理的角度看，会更加自然地认为句子的意思包含在话语上下文的字里行间。从哲学的角度看，我们更加认同Witgenstein在后期著作（Wittgenstein 1968）中的观点，他认为一个单词的意思可以由它的使用环境来决定。在这个概念前提下，很多统计自然语言处理的研究都直接针对词语意思。

责任编辑：admin