minor updates of section 2

Book/Chapter2/chapter2.tex

@@ -783,7 +783,8 @@ N & = & \sum_{r=0}^{\infty}{r^{*}n_r} \nonumber \\
 也就是说，$N$仍然为这个整个样本分布最初的计数。样本中所有事件的概率之和为：
 \begin{eqnarray}
 \textrm{P}(r>0) & = & \sum_{r>0}{\textrm{P}_r} \nonumber \\
-                & = & 1 - \frac{n_1}{N} < 1
+                & = & 1 - \frac{n_1}{N} \nonumber \\
+                & < & 1
 \label{eq:2.4-11}
 \end{eqnarray}
 
@@ -882,7 +883,7 @@ c_{\textrm{KN}}(\cdot) & = & \begin{cases} \textrm{count}(\cdot)\quad\quad \text
 \end{eqnarray}
 \noindent 其中catcount$(\cdot)$表示的是基于某个单个词作为第$n$个词的$n$-gram的种类数目。
 
-\parinterval Kneser-Ney平滑是很多语言模型工具的基础\cite{wang-etal-2018-niutrans}\cite{heafield-2011-kenlm}\cite{stolcke2002srilm}。还有很多基于此为基础衍生出来的算法，有兴趣的读者可以通过参考文献自行了解\cite{parsing2009speech}\cite{ney1994structuring}\cite{chen1999empirical}。
+\parinterval Kneser-Ney平滑是很多语言模型工具的基础\cite{wang-etal-2018-niutrans}\cite{heafield-2011-kenlm}\cite{stolcke2002srilm}。还有很多以此为基础衍生出来的算法，感兴趣的读者可以通过参考文献自行了解\cite{parsing2009speech}\cite{ney1994structuring}\cite{chen1999empirical}。
 
 %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
 \section{句法分析（短语结构分析）}\index{Chapter2.5}
@@ -948,7 +949,6 @@ c_{\textrm{KN}}(\cdot) & = & \begin{cases} \textrm{count}(\cdot)\quad\quad \text
 一个上下文无关文法可以被视为一个系统$G=<N,\Sigma,R,S>$，其中
 
 \begin{itemize}
-\item
 \item $N$为一个非终结符集合
 \item $\Sigma$为一个终结符集合
 \item $R$为一个规则（产生式）集合，每条规则 $r \in R$的形式为$X \to Y_1Y_2...Y_n$，其中$X \in N$, $Y_i \in N \cup \Sigma$
@@ -1016,7 +1016,6 @@ s_0 \overset{r_1}{\Rightarrow} s_1 \overset{r_2}{\Rightarrow} s_2 \overset{r_3}{
 
 且
 \begin{itemize}
-\item 
 \item $\forall i \in [0,n], s_i \in (N\cup\Sigma)^*$ \hspace{3.5em} $\lhd$ $s_i$为合法的字符串
 \item $\forall j \in [1,n], r_j \in R$ \hspace{6.3em} $\lhd$ $r_j$为$G$的规则
 \item $s_0 \in S$ \hspace{10.9em} $\lhd$ $s_0$为起始非终结符
@@ -1092,7 +1091,6 @@ s_0 \overset{r_1}{\Rightarrow} s_1 \overset{r_2}{\Rightarrow} s_2 \overset{r_3}{
 
 一个概率上下文无关文法可以被视为一个系统$G=<N,\Sigma,R,S>$，其中
 \begin{itemize}
-\item 
 \item $N$为一个非终结符集合
 \item $\Sigma$为一个终结符集合
 \item $R$为一个规则(产生式)集合，每条规则 $r \in R$的形式为$p:X \to Y_1Y_2...Y_n$，其中$X \in N$, $Y_i \in N \cup \Sigma$，每个$r$都对应一个概率$p$，表示其生成的可能性。

Book/mt-book-xelatex.tex

@@ -112,13 +112,13 @@
 %	CHAPTERS
 %----------------------------------------------------------------------------------------
 
-%\include{Chapter1/chapter1}
+\include{Chapter1/chapter1}
 \include{Chapter2/chapter2}
-%\include{Chapter3/chapter3}
-%\include{Chapter4/chapter4}
-%\include{Chapter5/chapter5}
-%\include{Chapter6/chapter6}
-%\include{ChapterAppend/chapterappend}
+\include{Chapter3/chapter3}
+\include{Chapter4/chapter4}
+\include{Chapter5/chapter5}
+\include{Chapter6/chapter6}
+\include{ChapterAppend/chapterappend}