《自然语言处理》课程教学大纲

1、自然语言处理课程教学大纲一、课程基本信息课程名称（中文）自然语言处理课程名称（英文）Natural Language Processing课程类别1：专业选修课课程性质2选修授课语言3中文授课学期第6学期学分2课程学时及分配总学时讲课实验课外32248适用专业计算机科学与技术教材涂铭等编著，Python自然语言处理实战：核心技术与算法授课学院计算机与软件学院先修课程高等数学、数据结构、程序设计基础后续课程专业实习、毕业设计课程简介课程基本定位：自然语言处理是计算机科学与技术专业的一门专业选修课，是一门融语言学、计算机科学、数学于一体的学科。本课程以Python及其相关框架为工具，以实战为导向，

2、详细讲解了自然语言处理的各种核心技术、方法论和经典算法，它的主要任务是使学生了解自然语言处理的主要研究内容及关键技术，并介绍自然语言处理方面的研究成果，该课程所教授的基本概念、基本理论和基本方法是构成学生科学素养的重要组成部分，为学生从事自然语言处理研究和开发做准备。核心学习结果：通过自然语言处理课程学习，使学生掌握词法分析相关的技术、句法分析技术，熟悉情感分析相关的概念、场景以及一般做情感分析的流程，能够熟练运用常用的分类算法、聚类算法以及深度学习算法解决自然语言处理中的工程应用问题，为进一步深造打下坚实的理论和实践基础。主要教学方法：讲授、讨论、案例、实验。大纲更新时间2020.8.20注

3、：1.课程类别：选填“通识核心课/通识拓展课/通修课/学科基础课/专业主干课/专业选修课/专业实践/素质拓展”2.课程性质：选填“选修/必修”3.授课语言：选填“中文/双语/全英文或其他语种”二、课程目标序号课程目标（参考培养目标、毕业要求、课程定位）支撑毕业要求指标点1达成途径1.1掌握自然语言处理中的基本概念、基础理论和相关技术。指标点1.1： 掌握数学与自然科学的基本概念、基本理论和基本技能，领会数学、物理思想方法，培养逻辑思维和逻辑推理能力。讲授、讨论、作业。1.2掌握自然语言处理中常用的机器学习方法的工作原理及其用法。指标点2.1：应用数学、自然科学和工程科学的基本原理，针对一个系统

4、或者过程进行抽象、分析与识别，并进行问题推理、求解和验证。讲授、讨论、案例、作业。1.3掌握深度学习方法的工作原理及其在自然语言处理中的应用。2.1能够运用传统机器学习方法进行自然语言处理。指标点4.1：能够针对计算机领域问题，选择合适的仿真实验或者测试方案。讲授、讨论、案例、实验。2.2能够运用深度学习方法进行自然语言处理。3.1具有自主学习、终身学习以及自我完善的意识。毕业要求指标点12.2：能认识不断探索和学习的必要性，具有自主学习和终身学习的意识；。自学、专题讨论、作业。注：1.支撑毕业要求指标点：选填项。需要进行专业认证，有毕业要求指标点可参照的课程必填，无明确毕业要求指标点可参照的

5、可不填。三、理论教学内容章标题教学内容学时思政融入点1学生学习预期成果2教学方式3课程目标第1章自然语言处理基础2介绍我国科技工作者在自然语言处理研究中的贡献及与发达国家的差距，增强责任感和使命感。熟悉自然语言处理中的基本概念、基本术语，了解其发展历程以及与人工智能的关系。讲授、作业1.1,3.1第2章自然语言处理前置技术解析2学会搭建搭建Python开发环境，理解正则表达式在NLP的基本应用，熟悉Numpy的基本用法。讲授、案例、作业1.1,3.1第3章中文分词技术4理解规则分词、统计分词和混合分词方法，能够借助分词工具实现三种分词模式。讲授、讨论、案例、作业1.1,3.1第4章词性标注与命

6、名实体识别2理解词性标注含义和规范，能借助工具软件完成词性标注，理解命名实体识别的含义，掌握基于条件随机场的命名实体识别方法。讲授、讨论、案例、作业1.1,3.1第5章关键词提取算法2了解关键词提取的目的和意义，掌握关键词提取常用算法的实现及应用方法。讲授、讨论、案例、作业1.1,3.1第6章句法分析2了解句法分析的目的和意义，熟悉句法分析常用数据集与评测方法，掌握句法分析的常用方法。讲授、讨论、案例、作业1.1,3.1第7章文本向量化2了解文本向量化的含义及在自然语言处理中所处地位，掌握文本向量化经典算法的实现及应用方法。讲授、讨论、案例、作业1.1,3.1第8章情感分析技术2了解情感分析的

7、意义，理解情感分析常用方法及其用法。讲授、讨论、案例、作业1.1,1.2,3.1第9章自然语言处理中用到的机器学习算法2介绍自然语言处理领域的研究热点，激发学生学习的兴趣，为继续深造或就业打下扎实de理论和实践基础。理解机器学习要素及组成部分，掌握常用的机器学习方法及其用法，掌握分类器应用方法。掌握无监督学习的文本聚类方法。讲授、讨论、案例、作业1.2,2.1,3.1第10章基于深度学习的自然语言处理算法2介绍目前国内外自然语言处理的研究现状，找差距，引导学生认真学习，为提高我国自然语言处理能力贡献自己的力量。了解神经网络体系结构和深度学习的体系结构，理解深度学习的工作原理，能使用深度学习模型

8、进行自然语言处理。讲授、讨论、案例、作业1.3,2.2,3.1第11章Solr搜索引擎2了解全文检索原理，能使用Solr配置schema和管理索引库。讲授、讨论、案例、作业1.1,3.1注：1.思政融入点：至少写3条，简述该课程教学中将思政教育内容与专业教育内容有机融合的知识点（下同）。 2.学生学习预期成果：描述学生在学完本节内容后应获得的知识、能力或素养水平（下同） 3.教学方式:包括讲授、讨论、案例、演示等，但不限于所列，根据课程实际需要列举四、实践（实验或实习）教学1编号实验或实习项目名称教学内容学时实验或实习类型2思政融入点学生学习预期成果课程目标1实验环境搭建及自然语言处理前置技术

9、练习搭建Python实验平台，利用平台进行自然语言处理前置技术练习2验证性能在Python环境中进行简单自然语言处理前期编程实验1.12情感分析利用神经网络方法进行电影评论情感分析2验证性结合学生所做实验结果的分析，介绍我国在情感分析领域的杰出工作者及其研究成果，激发学生的学习兴趣，培养学生实事求是、独立思考、用于创新的科学素养。能使用神经网络网络方法进行情感分析实验1.13自然语言处理中的机器学习算法使用传统机器学习方法进行文本分类和据类处理2综合性介绍目前在自然语言处理中的研究热点，鼓励学生早谋划、早准备，积极投入到自己感兴趣的研究领域中。能选取合适的传统机器学习方法应用于自然语言处理1.

10、2,2.24基于深度学习的自然语言处理算法使用一种深度学习模型进行自然语言处理2综合性介绍近几年深度学习在人工智能领域所取得的巨大成功以及我国在深度学习领域与国外发达国家存在的差距，鼓励学生认真学习，为缩小差距贡献自己的力量。熟悉深度学习模型进行自然语言处理中的应用1.3,2.2注：1.此表可用于课内实践教学环节或某门综合实践课程2.实验类型：选填”验证性/综合性/设计性”；实习类型：选填“认识实习/生产实习/毕业实习”五、课程评价（一）考核内容、考核方式与课程目标对应关系课程目标考核内容考核方式及占比（%）成绩（%）课程作业课程实验课程考试目标1.1是否掌握自然语言处理中的基础理论及相关方法

11、。43034目标1.2是否掌握自然语言处理中常用的机器学习方法的工作原理及其用法。43034目标1.3是否掌握深度学习方法的工作原理及其在自然语言处理中的应用。41014目标2.1是否具有运用传统机器学习方法进行自然语言处理的能力。55目标2.2是否具有运用深度学习方法进行自然语言处理能力。55目标3.1课程讨论环节和实验环节是否能够反映自主学习、终身学习以及自我完善的意识。358合计151570100注：1. 课程目标在考核方式及占比：主要根据课程目标自行设计和制定多元化考核方式，表中所列仅为参考（红色数据可删除）。但所列考核方式必须覆盖全体学生，可根据当学期具体教学情况酌情调整。2. 各考

12、核方式占总成绩权重：根据课程实际情况对各考核方式占总成绩的权重予以赋值。（二）考核方式评分标准1课程作业评分标准课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）15%目标1.1能够深入理解自然语言处理中的基础理论及相关方法。能够较好地理解自然语言处理中的基础理论及相关方法。能够理解自然语言处理中的基础理论及相关方法。基本理解自然语言处理中的基础理论及相关方法。不理解自然语言处理中的基础理论及相关方法。目标1.2能够很好地理解自然语言处理中常用的机器学习方法的工作原理及其用法。能够较好地理解自然语言处理中常用的机器学习方法的工作原理及其用

13、法。能够理解自然语言处理中常用的机器学习方法的工作原理及其用法。基本理解自然语言处理中常用的机器学习方法的工作原理及其用法。不理解自然语言处理中常用的机器学习方法的工作原理及其用法。目标1.3能够深入理解深度学习方法的工作原理及其在自然语言处理中的应用。能够较好地理解深度学习方法的工作原理及其在自然语言处理中的应用。能够理解深度学习方法的工作原理及其在自然语言处理中的应用。基本理解深度学习方法的工作原理及其在自然语言处理中的应用。不理解深度学习方法的工作原理及其在自然语言处理中的应用。2课程实验评分标准（笔试类评分标准可在大纲中按以下格式予以说明，也可在通过“试卷分析表”予以说明）课程目标评分

14、标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）15%目标2.1具有很强的运用传统机器学习方法进行自然语言处理能力。具有较强的运用传统机器学习方法进行自然语言处理能力。具有一般的运用传统机器学习方法进行自然语言处理能力。基本具有运用传统机器学习方法进行自然语言处理能力。不具有运用传统机器学习方法进行自然语言处理能力。目标2.2具有很强的运用深度学习方法进行自然语言处理能力。具有较强的运用深度学习方法进行自然语言处理能力。具有一般的运用深度学习方法进行自然语言处理能力。基本具有运用深度学习方法进行自然语言处理能力。不具有运用深度学习方法进行自然语言处

15、理能力。目标3.1实验报告格式规范，文字严谨，内容正确，条理性好，无抄袭痕迹，图文并茂；能正确问答所提的问题。实验报告格式规范，文字严谨，内容比较正确，条理性好，无抄袭痕迹，图文并茂；能比较正确问答所提的问题。实验报告格式比较规范，文字比较严谨，内容正确，条理性好，无抄袭痕迹，图文并茂；能比较正确问答所提的问题。实验报告格式基本规范，文字严谨，内容基本正确，条理性好，无抄袭痕迹，图文并茂；能基本正确问答所提的问题。实验报告有明显的抄袭痕迹，不能正确问答所提的问题。3课程考试评分标准课程目标评分标准占比90-100（优）80-89（良）70-79（中）60-69（及格）0-59（不及格）70%目

16、标1.1能够深入理解自然语言处理中的基础理论及相关方法。能够较好地理解自然语言处理中的基础理论及相关方法。能够理解自然语言处理中的基础理论及相关方法。基本理解自然语言处理中的基础理论及相关方法。不理解自然语言处理中的基础理论及相关方法。目标1.2能够很好地理解自然语言处理中常用的机器学习方法的工作原理及其用法。能够较好地理解自然语言处理中常用的机器学习方法的工作原理及其用法。能够理解自然语言处理中常用的机器学习方法的工作原理及其用法。基本理解自然语言处理中常用的机器学习方法的工作原理及其用法。不理解自然语言处理中常用的机器学习方法的工作原理及其用法。目标1.3能够深入理解深度学习方法的工作原理及其在自然语言处理中的应用。能够较好地理解深度学习方法的工作原理及其在自然语言处理中的应用。能够理解深度学习方法的工作原理及其在自然语言处理中的应用。基本理解深度学习方法的工作原理及其在自然语言处理中的应用。不理解深度学习方法的工作原理及其在自然语言处理中的应用。注：考核方式和课程目标在考核方式中占比应与“（一）考核内容、考核方式与课程目标对应关系”一致。所列考核环节，除了笔试