這里的書涉及到信息檢索，自然語言處理，機(jī)器學(xué)習(xí)，模式識(shí)別，數(shù)據(jù)挖掘的方方面面，每一本書都是值得讀者深入的閱讀，研究和討論的。因此，我只能就我個(gè)人的理解對(duì)幾本相對(duì)熟悉的或者讀者的評(píng)價(jià)很高的書做一些簡單的介紹，一來拋磚引玉，希望大牛來多給些指正，二來也為他人的學(xué)習(xí)提供一些經(jīng)驗(yàn)。

這里是river同學(xué)的介紹，有什么問題可以直接與他溝通聯(lián)系，他的信箱是hechuanbupt@gmail.com：

Natural Language Processing

Foundations of Statistical Natural Language Processing：這是研究自然語言處理必備的書之一，是Stanford的Manning和斯圖加特的Schutze教授二人的嘔心瀝血之作，本書的英文版是1999年的，中文已經(jīng)出了第二版了，是清華的苑春法老師翻譯的。從內(nèi)容上來說，本書涵蓋了統(tǒng)計(jì)自然語言處理的大部分，包括基礎(chǔ)知識(shí)、詞法、句法和應(yīng)用四大部分，形式上的層次感很強(qiáng)。無論是各種子任務(wù)還是模型方法，本書都有深入探討。我第一本看的NLP的教材就是這本，直到現(xiàn)在，很多觀點(diǎn)都深深受其影響。這里特別需要提到的是Manning，這是一位表達(dá)力很強(qiáng)的學(xué)者，他的另一本關(guān)于信息檢索的書也是深受讀者的歡迎。

Speech and Language Processing: an introduction to natural language processing, computational linguistics, and speech recognition：這是講解自然語言處理最為詳細(xì)的書，到現(xiàn)在為止英文已經(jīng)到2th edition了，中文只是翻譯到第一版，兩版之間的差別還不小，中文的譯名是《自然語言處理綜論》。由于這本書和上一本的中文譯本都是紫色封皮的，所以這兩本書被合稱為“兩本紫寶書”。因?yàn)槭蔷C論，該書既有統(tǒng)計(jì)的基本模型，也詳細(xì)介紹了傳統(tǒng)的確定性方法，既討論了自然語言分析的各個(gè)子任務(wù)，也介紹了speech的相關(guān)內(nèi)容（這個(gè)基本不懂），在這些方面上，它的工作要比前一本更加系統(tǒng)更加廣泛；因此，這本書是更適合作為教材的（其實(shí)我們當(dāng)時(shí)的教材就是這本，但是由于太厚了一直沒敢讀下去）。另外，這本書的第二版對(duì)ME和MEMM的討論也體現(xiàn)了時(shí)代性。

Machine learning

Pattern Recognition and Machine Learning: 這是機(jī)器學(xué)習(xí)領(lǐng)域最為流行的最為推崇的一本書，也是Chris. Bishop的得力之作。我認(rèn)為這本書之所以成功除了作者本身的表達(dá)豐富和理解深刻之外，還有幾個(gè)原因：1. 內(nèi)容深刻而且組織新穎，例如本書是從核方法入手去講解SVM，從而一帶介紹了Gaussion Process； 2. 概率圖模型是本書花了很多筆墨的一部分，作者認(rèn)為對(duì)于Statistical Inference, 圖模型正好提供了一種極好的描述應(yīng)用框架；3. 包羅萬象，我基本能夠想到的所有的ML的模型在這里都有深刻的描述和介紹，包括基本的線性方法（線性分類器，線性回歸）和非線性方法（神經(jīng)網(wǎng)絡(luò)，核方法），以及K-means, EM, PCA, HMM, boosting等等方法； 4. 另外一個(gè)值得稱贊的地方是該書提供了大量各種難度的習(xí)題，同時(shí)也可以下載到相應(yīng)的答案，這對(duì)于自學(xué)的同學(xué)來說是非常有益的。我想在我說了這么多的優(yōu)點(diǎn)之后，沒有人會(huì)去懷疑它的經(jīng)典，但是內(nèi)容深刻而豐富必然使得書本的達(dá)到近800頁，這也直接對(duì)閱讀者造成了心里上的陰影，所以，經(jīng)典只是經(jīng)典，要想真正獲得經(jīng)典，只有決心和毅力了。

Machine Learning (Tom M. Mitchell): 這是本97年就出版了的書，在介紹早期之前的工作，這本書還是非常不錯(cuò)的。然而，ML在近年的發(fā)展實(shí)在是太快，所以，它還是看起來略顯陳舊，沒能跟上時(shí)代的步伐。我看的是中文的譯文版，覺得翻譯上還是有所欠缺的，但是的確也理解了一些基本的算法包括KNN和決策樹（到研究文本特征選擇的時(shí)候它的思想也幫助了理解）；最近的reforcement learning在會(huì)議上又好好火了一把，可惜當(dāng)年沒有好好學(xué)習(xí)，現(xiàn)在就連翻翻文章的勇氣都沒有了。另外，作者又在寫第二版，有g(shù)enerative vs. discriminative model的一部分，講的深入淺出，但是只有這一章，估計(jì)是作者太忙了，還是希望他能夠早點(diǎn)完成巨作。

Pattern Classification: 這是Duda和Hart二人的合力之作，在MLPR出版之前，它一直統(tǒng)治著這個(gè)領(lǐng)域，當(dāng)然我指的是第二版。我只是認(rèn)真閱讀了這本書的PCA和LDA部分，它給我的印象是排版和翻譯很棒，可以說是制作精良吧，完全沒有一點(diǎn)生硬之感，但是內(nèi)容組織上似乎有點(diǎn)亂（這點(diǎn)也許是我沒有通讀的原因）。既然是曾經(jīng)的霸主，肯定有其不一般的地方，有興趣的同學(xué)可以把這本書和MLPR對(duì)比著學(xué)習(xí)。

Information Retrieval:

Modern Information Retrieval: 這本書是IR領(lǐng)域引用率最高的一本書，近年SIGIR的大多數(shù)文章都會(huì)提到的，原因很簡單，在這個(gè)領(lǐng)域?qū)嵱没虡I(yè)化之前兩位偉大的作者就已經(jīng)預(yù)見到了IR在互聯(lián)網(wǎng)的繁榮，于是成書。

An Introduction to Information Retrieval: 這是Chris. Mannning在2007年的新作，有兩個(gè)特點(diǎn)：1. 新，因?yàn)槌蓵臅r(shí)間離現(xiàn)在很近，所以內(nèi)容大都比較新。2. 簡單，非常容易讀懂，對(duì)于初學(xué)者，大概一個(gè)月的時(shí)間就可以通讀這本書，而且其中的概念也不難理解。該書的主線是按照檢索模型的發(fā)展順序來組織的。從boolean model到 VSM，再到langauge model。當(dāng)然其中也涉及到了當(dāng)前的主要的研究熱點(diǎn)，例如machine learning中的clustering, web search中的link analysis等等。

Matrix：

矩陣論，或者說是線性代數(shù)：它是ML，PR等的數(shù)學(xué)基礎(chǔ)之一。它可以提供一些簡介的數(shù)學(xué)表示，可以說上層教材的所有變量表達(dá)和變換都離不開向量和矩陣；矩陣?yán)碚撘矠樯蠈討?yīng)用的線性方法和思想提供了有利的理論基礎(chǔ)。我使用的與矩陣相關(guān)的參考書主要有：

Matrix Analysis: 這本書是備受推崇的矩陣論教材，據(jù)說講的非常透徹。

Matrix Computation: 這是矩陣論和科學(xué)計(jì)算結(jié)合的經(jīng)典之作，它對(duì)矩陣論的各種算法都提供了計(jì)算機(jī)實(shí)現(xiàn)的解決方案以及復(fù)雜度分析。

Matrix Cookbook: 這是網(wǎng)上流傳很廣的一個(gè)小冊(cè)子，沒有原理的講解，沒有定理的證明，只有公式的羅列，可以作為手冊(cè)來查。

Optimization:

優(yōu)化在ML, PR領(lǐng)域都是不可或缺的，SVM的求解就是二次規(guī)劃問題，EM的求解也是把約束優(yōu)化問題轉(zhuǎn)化為了無約束優(yōu)化問題最后再使用最優(yōu)化的一般方法解決的。在這方面的中文教材已經(jīng)做得很優(yōu)秀，只在這里簡單介紹兩本（也不一定是最好的）

Convex Optimization: Boyd和Vandenberghe的作品，2004年出版，內(nèi)容較新。書中的內(nèi)容分為理論，應(yīng)用和算法三個(gè)部分，適合不同需求的人閱讀。另外，兩位作者有篇半定規(guī)劃的論文也很有影響。

Practical Optimization: Algorithms and Engineering Applications: 這是華人教授陸吾生老師的作品，他本人是數(shù)學(xué)系科班出生，但是現(xiàn)在在電子系做教授，所以從理論到應(yīng)用都很精通，而且很了解電子系計(jì)算機(jī)系的學(xué)生在這方面的優(yōu)劣勢，這本書就是在他多年的經(jīng)驗(yàn)中沉淀出來的，這也正是我們所需要的。另外，去年陸老師在華東師范有個(gè)系列講座，網(wǎng)上有視頻可以下載，強(qiáng)烈推薦。

Statistics:

這是個(gè)最容易造成學(xué)習(xí)障礙的數(shù)學(xué)領(lǐng)域，上層領(lǐng)域中的論文鋪天蓋地的都是parameter estimation, inference，對(duì)于有著“不求甚解”的習(xí)慣的初學(xué)者，這些基本概念無形之中成為了攔路虎。然而，統(tǒng)計(jì)學(xué)發(fā)展到現(xiàn)在也可以算是相對(duì)成熟了，學(xué)科本身提供了大量的參考資料：

Statistical Inference: Casella and Berger的作品，現(xiàn)在已經(jīng)出到第二版了，國內(nèi)有影印版的，這里對(duì)統(tǒng)計(jì)學(xué)的一些基本概念做了詳細(xì)的解釋，不涉及太多概率的知識(shí)，至于測度只是一帶而過；它的重點(diǎn)在于幫助理解統(tǒng)計(jì)學(xué)的思想體系，其中概念之間的聯(lián)系甚為緊密；書中有大量的例子，這為感性的學(xué)習(xí)者提供了不少幫助。在書的后面幾章，一些回歸分析的模型也有討論。總而言之，這本書是一本相對(duì)淺顯的統(tǒng)計(jì)系的教材。

All of Statistics: 作者Wasserman，它是源自CMU的統(tǒng)計(jì)學(xué)書籍，成書的原因很簡單——就是為廣大奮戰(zhàn)在計(jì)算機(jī)研究前線的人們提供統(tǒng)計(jì)學(xué)上的支持。一方面，它試圖包羅統(tǒng)計(jì)學(xué)的各個(gè)方面(all of statistics），從基本概念到方法模型都有提到，另一方面，它卻是個(gè)精簡的版本(A Concise Course in Statistical Inference)，很多子問題都沒有詳細(xì)展開的討論。這本書的最大亮點(diǎn)是計(jì)算機(jī)的氣氛很重，從正文之前對(duì)比machine learning和statistics的術(shù)語的表格就可見一斑，讀這本書就好像在讀cs的論文，而不是統(tǒng)計(jì)的專注。所以，不管它是否透徹是否準(zhǔn)確是否完備，對(duì)我們來說，它實(shí)在是難得的珍寶。

Algorithms:

這個(gè)對(duì)CS同學(xué)們最為熟悉的領(lǐng)域也是最精致最優(yōu)雅的。相對(duì)與上面的Optimization，現(xiàn)在討論的這個(gè)也是為求解問題的optimal solution, 其區(qū)別在于剛剛提到的Optimization是numerical optimization,而這里提到的則是combinatorial optimization。

The Art of Programming：Knuth爺爺?shù)倪@套算法書毋庸置疑是整個(gè)算法界的瑰寶，介紹他和這套書的評(píng)語網(wǎng)上很多，我也沒看過就更沒資格指點(diǎn)了。有意思的是，這本書的表示符號(hào)很奇異，估計(jì)是幾十年前的算法表示符號(hào)沒有統(tǒng)一，或者是大牛的精髓在于方法和思想而不是表達(dá)，也有可能是他想找個(gè)機(jī)會(huì)秀一下他的Tex：）

An Introduction to Algorithms: 是三個(gè)作者的聯(lián)合力作，現(xiàn)在應(yīng)該在第二版了，這本書應(yīng)該也是國內(nèi)最風(fēng)靡的算法書了。雖然標(biāo)題是introduction，但是實(shí)際上一點(diǎn)都不淺顯，要花大量的時(shí)間來理解其中的思想和方法。也許是出于學(xué)術(shù)著作的完整性，書中包含了大量的證明，這對(duì)于初學(xué)者來說無疑是不太適應(yīng)的，但是從另一角度來看，它卻能夠滿足各種層次各種水平的讀者的需要，適合beginner，適合mathematician，適合coder.不管怎么樣，它的很多概念和思想都已經(jīng)成為公認(rèn)的經(jīng)典了，比如動(dòng)態(tài)規(guī)劃的overlapping sub-problems and optimal sub-structure.

Algorithm in C: 這是我精讀過的算法書，直觀感覺是容易理解，圖示很多，尤其是在講解棧和遞歸的時(shí)候；代碼優(yōu)雅，它的快排比introduction中的要漂亮得多，樹的非遞歸的先序遍歷也比清華的數(shù)據(jù)結(jié)構(gòu)中所提到的要清晰明白；更可貴的是這書提供了C語言的源代碼（不知道為什么對(duì)C有天然的好感），而不是一般算法書中的偽代碼（有些偽代碼很難理解，而且有些不一樣的約定比如數(shù)組下標(biāo)從1開始等等）。可惜這本書只是出版了兩本，作者原來打算要寫的估計(jì)現(xiàn)在都不寫了（就連這個(gè)習(xí)慣都從他的老師那兒學(xué)過來了）。

轉(zhuǎn)載自：My Study

總結(jié)

以上是生活随笔為你收集整理的介绍几本专业的书籍，一起学习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。