山东大学软件学院

1、山东大学 软件 学院自然语言处理教学大纲编 写 人：孙宇清 编制时间：2021.02.22 一、课程基本信息：课程名称自然语言处理英文名称Natural Language Processing课程编码AI-0, BD-100, Sec-100开课单位软件学院课程类别通识教育必修课程 通识教育核心课程 通识教育选修课程 学科基础平台课程 专业基础课程 专业必修课程。 专业选修课程课程性质必修 选修学分2.5学时32+16适用专业软件工程，人工智能，网络安全，大数据先修课程高级程序设计语言（C+,JAVA，python）、数据结构、机器学习、线性代数、概率与统计课程网站/zryycl.htm 二、

2、课程描述自然语言处理（NLP）也称为计算语言学，是信息时代最重要的技术之一，理解复杂的语言是人工智能的重要组成部分。因为语言是人们交流的最有效的渠道，自然语言处理相关技术的应用无处不在，如网络搜索，广告，电子邮件，客户服务，语言翻译，学术报告等。为了使得计算机能够处理和理解自然语言，需要解决各种基础性的复杂任务，探索NLP的机器学习模型和应用。近年来，深度学习方法在许多NLP任务上都取得了很好的效果，而且使用单独的端到端神经模型不需要基于任务本身特性的传统特征工程。在本课程中，学生将全面了解NLP深度学习中的前沿研究。本课程的特点是理论联系实际，教学方式包括授课、习题课、课堂讨论、作业和实验。

3、通过上述教学方式全方位地培养学生的理论水平和实际动手能力，启发学生对理论知识和问题的思考，探索需求驱动的理论和应用创新。三、课程教学目标和教学要求【教学目标】自然语言处理课程的目标是：在理论方面，使得学生掌握常用自然语言处理技术的基本概念及其应用；在实践方面，通过系统学习，使得学生结合深度学习框架，编写代码完成相应的自然语言处理任务，并对该方向和深度学习有一个全面且系统的了解。【教学要求】通过本课程学习，学生将具备以下知识和能力：语言学基本知识。自然语言处理的基本理论和方法。面向特定语言处理任务的现代工具学习和使用、改进技术和方法。面向特定问题的解决方案设计能力，具备系统实现能力。面向前沿问题

4、的知识获取能力、自主学习能力、综合分析能力和探索能力。四、课程教学内容及学时分配序号教学目标具体教学内容教学形式学时1自然语言介绍人类语言及计算技术授课32词向量词向量简介Word2vec目标函数梯度优化基础知识Glove模型词向量评估中文分词授课实验443语言模型循环神经网络语言模型授课实验324句法分析和语言结构句法分析依存句法分析理论神经语法分析方法授课实验345词性分析词性分析隐马尔可夫模型授课36命名实体识别命名实体识别信息抽取授课37文本分类文本编码方法文本分类授课实验228机器翻译机器翻译端到端模型 注意力机制授课实验349问答系统问答系统授课210自动摘要自动摘要授课211文本

5、生成对抗网络和文本生成模型授课212文本推荐文本推荐授课2五、考核及成绩评定方式【考核方式】：实验+作业+大作业（选）+期中考试（选）+期末考试【成绩评定】：平时占60%，期末考试占40%。六、教材及参考资料Speech and Language Processing. Dan Jurafsky, James H. Martin. Prentice Hall. ISBN:9780131873216 自然语言处理综论（第二版）. Daniel Jurafsky, James H.Martin著，冯志伟 译. 电子工业出版社. ISBN:9787121250583自然语言处理原理与技术实现. 罗刚. 电子工业出版社. ISBN:9787121286209Python自然语言处理. Steven,Bird Ewan, Klein Edward, Loper著. 人民邮电出版社. ISBN:9787115333681深度学习. Ian, Goodfellow, Yoshua, Bengio, Aaron等著. 人民邮电出版社. ISBN:9787115461476. /工具和数据集. /links/statnlp.html (Statistical natural language processin