簡(jiǎn)介：隨著人工智能的快速發(fā)展，自然語言處理應(yīng)用愈加廣泛。本課首先對(duì)其發(fā)展歷程、現(xiàn)狀、技術(shù)體系、開發(fā)環(huán)境等概述。然后從數(shù)據(jù)準(zhǔn)備、可視化、KNN算法模型、實(shí)際應(yīng)用、sklearn算法改進(jìn)等方面進(jìn)行實(shí)戰(zhàn)，旨在幫助大家輕松入門。

自然語言處理是計(jì)算機(jī)科學(xué)與技術(shù)專業(yè)的一門專業(yè)選修課。它的主要任務(wù)是使學(xué)生了解自然語言處理的主要研究?jī)?nèi)容及關(guān)鍵技術(shù)，并介紹自然語言處理方面的研究成果，為學(xué)生從事自然語言處理研究和開發(fā)做準(zhǔn)備。此外，通過指導(dǎo)學(xué)生閱讀計(jì)算語言學(xué)專業(yè)會(huì)議的論文，進(jìn)行摘要和評(píng)價(jià)，并進(jìn)行介紹、提問和討論，使他們對(duì)所學(xué)課程的有關(guān)概念與目前的流行方法和技術(shù)的關(guān)系有更深入地了解。在此基礎(chǔ)上，要求學(xué)生完成一篇有關(guān)自然語言處理主題的課程項(xiàng)目，使他們能用所學(xué)的知識(shí)發(fā)揮自身的能力查找有關(guān)資料和概括某一研究領(lǐng)域的國(guó)內(nèi)外最新理論和技術(shù)并最終加以實(shí)踐。

主要教學(xué)內(nèi)容

主要包含三個(gè)重要部分：自然語言處理綜述、語言模型（N-gram語言模型）、序列標(biāo)注問題(Sequence labelling problem)、句法分析、語義分析、情感分析、詞向量等。其中：自然語言處理綜述主要介紹人工智能發(fā)展歷史綜述，不同領(lǐng)域自然語言處理應(yīng)用問題及方法等，自然語言處理基本技術(shù)方法概述，其中包括部分機(jī)器學(xué)習(xí)知識(shí)，自然語言處理層次架構(gòu)，具體任務(wù)介紹，歧義問題，經(jīng)驗(yàn)主義方法等；語言模型主要包括自然語言處理相關(guān)語言模型基礎(chǔ)理論以及相關(guān)平滑處理技術(shù)等（如N-Gram；鏈?zhǔn)揭?guī)則Chain Rule等）；序列標(biāo)注問題(Sequence labelling problem)主要知識(shí)點(diǎn)包括序列標(biāo)注學(xué)習(xí)極其相關(guān)應(yīng)用等（如離散/連續(xù)馬爾科夫模型、中文分詞、詞性標(biāo)注、命名實(shí)體識(shí)別等）；句法分析主要包括自然語言中語法分析等基礎(chǔ)理論知識(shí)等（如上下文無關(guān)文法、自上而下句法分析、概率上下文無關(guān)文法、最大似然訓(xùn)練、依存語法樹等）；語義分析主要主要知識(shí)點(diǎn)包括自然語言中語義分析等基礎(chǔ)理論知識(shí)等（如語義角色、語義角色標(biāo)注、基于句法樹方法等）；情感分析（Sentiment Analysis）主要包括情感分析技術(shù)理論與方法等（如感情傾向性分析等）；詞向量主要包括基于神經(jīng)網(wǎng)絡(luò)的自然語言處理技術(shù)與基礎(chǔ)理論知識(shí)等（如Word2vec詞向量、基于循環(huán)神經(jīng)網(wǎng)絡(luò)語言模型等）。力求跟蹤自然語言處理的發(fā)展脈絡(luò)、技術(shù)理論、產(chǎn)業(yè)成果并以翔實(shí)的形態(tài)進(jìn)行展現(xiàn)教學(xué)。