ことばの意味を計算するしくみ　計算言語学と自然言語処理の基礎

第1章　はじめに：文の容認可能性

第2章　ことばの分析から解析へ
2.1　語彙の曖昧性
2.2　文の曖昧性
2.3　文脈の曖昧性
2.4　ことばの意味の計算

第3章　形式統語論の考え方
3.1　範疇文法
3.2　範疇文法と論理との関係
3.3　範疇文法から組合せ範疇文法へ：wh 移動
3.4　組合せ範疇文法（CCG）
3.5　CCGの組合せ規則
3.6　CCGに基づく日本語の分析

第4章　形式意味論の考え方
4.1　含意関係
4.2　推意と前提
4.3　文の意味
4.4　外延と内包

第5章　形式意味論の準備：集合論
5.1　集合論の基本定義
5.2　関係と関数
5.3　二項関係・同値関係

第6章　形式意味論の準備：記号論理学
6.1　記号論理学とは
6.2　命題論理の形式言語
6.3　命題論理の証明論
6.4　命題論理の意味論
6.5　述語論理の形式言語
6.6　述語論理の証明論
6.7　述語論理の意味論

第7章　形式意味論に基づく含意関係の計算
7.1　証明論的含意
7.2　意味論的含意

第8章　組合せ範疇文法に基づく意味合成
8.1　構成性
8.2　ラムダ計算の導入
8.3　型付きラムダ計算
8.4　意味表示の型
8.5　意味合成の基本
8.6　量化を含む文の意味合成
8.7　多重量化

第9章　イベント意味論と推論
9.1　イベント意味論
9.2　定理証明を用いた推論
9.3　公理を用いた知識補完
9.4　意味合成と推論の実装

第10章　談話意味論
10.1　照応の問題
10.2　談話表示理論
10.3　談話表示構造解析の実装

第11章　分布意味論
11.1　分布仮説
11.2　単語のベクトル化
11.3　分散表現と言語モデル

第12章　ニューラル言語モデル
12.1　ニューラルネットワークの基本
12.2　Word2Vec
12.3　リカレントニューラルネットワーク
12.4　系列変換モデル
12.5　Transformer

第13章　大規模言語モデル
13.1　BERT
13.2　GPT
13.3　ChatGPT

第14章　分布意味論の特性と問題点
14.1　分布意味論の特性
14.2　分布意味論の問題点

第15章　古典的計算主義とコネクショニズム
15.1　言語から認知へ
15.2　古典的計算主義
15.3　コネクショニズム

第16章　深層ニューラルネットの体系性の分析
16.1　思考の体系性に関する分析
16.2　推論の体系性に関する分析

第17章　計算言語学と自然言語処理の融合の展望
17.1　計算言語学の知見に基づく言語モデルの分析
17.2　自然言語処理と計算言語学の融合に基づく言語解析・コーパス
17.3　Neuro-Symbolic AI