我尝试环顾四周，但我似乎无法找到在进入 NLP 之前我需要什么数学的答案。我希望在进入 NLP 之前打下坚实的数学基础。
从我收集到的信息来看，主要是: 可能性， 一些统计数据， 离散数学
感谢您的宝贵时间。
最佳答案
与大多数领域一样，一旦您深入研究，您就会发现标题“NLP”涵盖了相当广泛的子领域。数学要求因您要完成的任务而异。因此，关于您的目标的更多细节会有所帮助。
也就是说，我可以解决解析和我有一些经验的相关领域，并对其他一些领域提供非常笼统的评论。
您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，因此您不会在这方面出错。
一些 NLP 工作比计算机科学更接近语言学或心理学。因此，如果那是您的兴趣所在，那么一些语言理论可能会有所帮助，并且一些统计假设检验的背景知识(您可能会在社会科学系找到的那种应用统计数据，尽管越严格越好)。
对于形态学、标记、解析和相关领域，一些概率论很有帮助(考虑动态规划的经验也是如此，尽管这不是真正的数学背景)。如果您正在做任何涉及机器学习的事情(这是 NLP 的大部分内容)，那么理解一些线性代数会有所帮助。
就是说，如果您的目标更加实用，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知识(它不需要任何线性代数来训练 SVM，如果您只需要分类器)。
关于nlp - 自然语言处理的数学要求是什么？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/12626349/