语言模型是由美国计算机科学家Jelinek和Mercer于198年代初提出的。Jelinek和Mercer是贝尔实验室的研究员，他们在语音识别和自然语言处理领域做出了重要贡献。在早期的语言处理研究中，人们主要关注于词法分析和句法分析等问题，而对于语言的统计特性和概率建模的研究相对较少。Jelinek和Mercer的工作填补了这一空白，提出了基于统计的语言模型，为后来的自然语言处理研究奠定了基础。语言模型的内部思想是通过统计分析文本数据中的词序列出现的概率，从而预测下一个单词或字符。Jelinek和Mercer提出了n-gram模型，它是一种基于马尔可夫假设的语言模型。n-gram模型假设当前单词的出现只与前面n-1个单词相关，通过计算这些单词序列的频率来预测下一个单词。Jelinek和Mercer的工作对于自然语言处理领域的发展产生了深远的影响。他们的语言模型不仅在语音识别中得到了广泛应用，还被用于机器翻译、信息检索、文本生成等任务中。他们的工作为自然语言处理领域的发展做出了重要贡献。语言模型的研究不仅推动了语音识别和自然语言处理的发展，也为其他相关领域的研究提供了基础。