2023S04107-自然语言处理实验-2023版人才培养方案课程教学大纲.docxVIP

PAGE3

附件5-2

ADDINCNKISM.UserStyle《自然语言处理实验》课程教学大纲

（实验课程·2023版）

一、课程基本信息

课程号

2023S04107

开课单位

网络空间安全与计算机学院

课程名称

（中文）自然语言处理实验

（英文）NaturalLanguageProcessingExperiments

课程性质

选修

考核类型

考查

课程学分

1

课程学时

34

课程类别

专业拓展课（学术研究方向）

适用专业（类）

人工智能

二、课程描述及目标

（一）课程简介

《自然语言处理实验》课程是人工智能专业的一门专业拓展课，旨在培养学生掌握自然语言处理领域的基础知识、方法、算法，提高学生的科研能力。自然语言处理是一门融语言学、计算机科学、数学于一体的科学。通过建立形式化的计算模型来分析、理解和处理自然语言，是利用计算机为工具对人类特有的书面形式和口头形式的自然语言的信息进行各种类型处理和加工的技术。《自然语言处理实验》课程基于《自然语言处理》理论课所教授的基本理论。主要内容包括：词向量、中文分词、句法分析、词性标注、机器翻译、实体识别、关系抽取、问答系统的设计与实现、阅读理解系统的设计与实现等。

（二）教学目标

通过本课程，学生将学会自然语言处理的基本概念、基本理论；掌握自然语言处理的主要方法、算法和模型。通过实验训练，提高学生的实践技能，掌握科学实验的方法，使得学生基本具备在自然语言处理领域内设计和实现具体应用的能力。使学生得到系统的、科学的分析问题和解决问题的训练，提高专业素质，为后续课程奠定良好的基础。

课程目标1：掌握自然语言处理的基本概念、基本理论。

课程目标2：掌握自然语言处理的主要方法、算法和模型。

课程目标3：培养学生的动手能力、工程实践能力和综合应用能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

1-3能够将相关工程专业知识和数学分析方法用于推演、分析人工智能领域复杂工程问题

课程目标1

2-2能基于相关科学原理和数学模型方法正确表达和分析人工智能的复杂工程问题

课程目标2

2-3能认识到解决问题有多种方案可选择，会通过文献研究寻求可替代的解决方案

课程目标2

4-2能够根据人工智能领域复杂工程中特定对象特征，选择研究路线，设计实验方案

课程目标2

课程目标3

4-3能够根据实验方案构建实验系统，安全地开展实验，正确采集实验数据

课程目标2

课程目标3

四、教学方式与方法

教学活动采用理论课进行课堂教学、实验课实现理论课所讲授方法的方式。真正做到理论与实践相结合。

五、教学重点与难点

（一）教学重点

词向量、中文分词、句法分析、词性标注、机器翻译、实体识别、关系抽取、问答系统的设计与实现、阅读理解系统的设计与实现。

（二）教学难点

机器翻译、实体识别、关系抽取、问答系统的设计与实现、阅读理解系统的设计与实现。

六、实验内容、基本要求与学时分配

序号

实验项目名称

实验内容与要求

学时

类型

对应课程目标

1

熟悉实验环境

熟悉Python、pytorch。

2

验证性

课程目标1

2

文本预测

使用长短期记忆网络（LSTM）进行文本预测，理解并掌握训练语言模型的基本步骤和细节。

2

设计性

课程目标1

课程目标2

3

文本的向量表示

Gensim是一个开源的Python库，可以有效地用于自然语言处理。使用Gensim工具包训练词语向量，深入了解并掌握文本的向量表示。

2

设计性

课程目标1

课程目标2

4

中文分词

使用jieba和pkuseg进行中文分词，制作词云并分析输出的词云图片。掌握使用中文分词工具的技能。

2

验证性

课程目标1

课程目标2

5

基于前馈神经网络的依存句法分析

了解深度学习模型在依存句法分析中的应用。使用无标记依存正确率评价模型性能。实验采用EnglishPennTreebank(PTB)数据集。

2

设计性

课程目标1

课程目标2

6

基于深度学习的语义角色标注

了解深度学习在语义角色标注中的应用。数据格式采用BIO标注格式，每一行表示一个训练样本，包含分好词的句子和其角色标注信息。

2

设计性

课程目标1

课程目标2

7

基于统计的机器翻译

使用Moses工具包实现统计机器翻译（SMT），包含模型训练和测试。

2

设计性

课程目标1

课程目标2

8

基于Transformer的机器翻译

使用Transformer实现神经网络机器翻译（NMT），包含模型训练和测试。

2

设计性

课程目标1

课程目标2

9

基于OpenNMT的机器翻译

使用OpenNMT实现神经网络机器翻译（NMT），包含模型训练和测试。

2

设计性

课程目标1

课程目标2

10

基于预训练语言模型的实体识别

下载BERT预训