簡介：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)準備、可視化、KNN算法模型、實際應(yīng)用、sklearn算法改進等方面進行實戰(zhàn)，旨在幫助大家輕松入門。

自然語言處理是計算機科學與技術(shù)專業(yè)的一門專業(yè)選修課。它的主要任務(wù)是使學生了解自然語言處理的主要研究內(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，為學生從事自然語言處理研究和開發(fā)做準備。此外，通過指導(dǎo)學生閱讀計算語言學專業(yè)會議的論文，進行摘要和評價，并進行介紹、提問和討論，使他們對所學課程的有關(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，要求學生完成一篇有關(guān)自然語言處理主題的課程項目，使他們能用所學的知識發(fā)揮自身的能力查找有關(guān)資料和概括某一研究領(lǐng)域的國內(nèi)外最新理論和技術(shù)并最終加以實踐。

主要教學內(nèi)容

主要包含三個重要部分：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，其中包括部分機器學習知識，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；鏈式規(guī)則Chain Rule等）；序列標注問題(Sequence labelling problem)主要知識點包括序列標注學習極其相關(guān)應(yīng)用等（如離散/連續(xù)馬爾科夫模型、中文分詞、詞性標注、命名實體識別等）；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點包括自然語言中語義分析等基礎(chǔ)理論知識等（如語義角色、語義角色標注、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)成果并以翔實的形態(tài)進行展現(xiàn)教學。