不得不羡慕英文相比中文对计算机处理的友好程度

粗略的看了一遍，最后几章几乎就是过了一眼。
有很多知识是暂时看不懂，过一段时间需要重读一遍。

没有提到中文的处理。不过大体的流程和原理应该是差不多的，书里提到了以下的技术，中文处理应该也同样需要，把看到大概的内容记录如下

1.Tokenize
2.Tagging，也就是给出词性标注，名词，动词，介词，形容词等等
这里提到了几种方法
简单的一种就是根据构词规则来做，比如ing结尾是动名词，ed结尾是动词过去式，es结尾是名词复数，等等，当然这样有不少缺陷。
也一种方法叫N-Gram Tagging，依据相连词的词性来确定，N=2，那就是2-gram，也叫bigram，比如两个句子 I read the book。I book the room。想要确定两个book的词性，通过学习发现在限定词后的book经常是名词，而在人称代词后的book经常是动词，于是就能区分这两个book的词性。
3.用文本的Features来做Classification
这一章里有个例子，统计情态动词的数量来区分文章的种类，发现
will使用频率最高的news，could用得最多的是romance，science这些词都相对比较少
4.IE，Information Extraction，主要是抽取非结构化文本中的信息组成结构化的信息
这里主要做的是Entity Recognition，处理的过程叫Chunking，然后再是Relation Recognition。
把标注好词性的token根据一些语法规则拼成更大单元的Chunk，有的是名词短语Noun Phrase Chunking，有的是动词 Verb Phrase Chunking，如果是名字还要做分类：人名，地点，时间，机构等，再用动词短语来确定他们之间的关系
后面的几章我没有再详细看了