- 1、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
PAGE3
ADDINCNKISM.UserStyle《自然语言处理与知识图谱应用实验》课程教学大纲
(实验课程·2023版)
一、课程基本信息
课程号
0923S06015
开课单位
数学与信息科学学院
课程名称
(中文)自然语言处理与知识图谱应用实验
(英文)ExperimentsofApplicationofNaturalLanguageProcessingandKnowledgeGraph
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)
数据科学与大数据技术
二、课程描述及目标
(一)课程简介
《自然语言处理与知识图谱应用实验》课程是《自然语言处理与知识图谱应用》理论课配套的实验课程,旨在训练使用自然语言处理工具实现常见的自然语言处理方法和解决实际问题的能力,培养和掌握知识图谱常见技术以解决现实问题,巩固和加强自然语言处理相关知识和知识图谱基本原理。本课程主要涉及NLP和知识图谱的常见理论。本课程主要包括中文分词、命名实体识别、文本摘要、知识存储、知识查询、知识问答等实验项目。
(二)教学目标
通过本课程,使学生在NLP理论课程的基础上,。
课程目标1:熟悉各种常见自然语言处理工具的使用,能够利用基础的机器学习方法来解决NLP中常见的基本问题;
课程目标2:熟悉知识图谱相关数据库系统的使用,能够利用常见工具实现知识存储、查询等操作,并结合NLP技术实现简单的领域问答实践。
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
1-1:能熟练使用NLP的常用工具,具备一定的常见自然语言处理工具的应用能力
课程目标1
2-3:能熟练使用知识图谱的常用工具,具备一定的知识获取与分析工具的应用能力
课程目标2
四、教学方式与方法
采用TBL任务型教学模式,以具体的任务为学习动力或动机,以完成任务的过程为学习过程,以展现任务成果的方式来体现教学成就。教学方法可以分成几个基本步骤:
1.任务启动:包括热身活动和复习活动,目的在于调动学生的学习情绪,巩固旧知,为新内容做铺垫。
2.任务呈现:向学生呈现本课任务,目的在于驱动学生学习的内部动力机制。
3.任务准备:指学生为完成本课任务所需要的知识与能力而进行的学习和训练过程。
4.任务完成:指学生运用所学的基本知识和技能完成任务。
五、教学重点与难点
(一)教学重点
相关自然语言处理工具的安装与调试;常见自然语言处理工具的使用和同类型工具间的比较;自然语言处理常见任务的处理与评价;知识图谱相关处理及其计算工具的安装与使用;利用常见工具解决实际问题的开发训练。
(二)教学难点
自然语言处理工具安装的问题与解决;同类自然语言处理任务不同解决策略间的比较和分析;如何设计不同于现有工具的自然语言处理算法并实现;知识图谱的存储和查询实现;如何利用知识图谱基础工具实现问答过程。
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NLTK分析工具与实践
掌握Python环境下的NLTK工具的安装与常见功能使用。
4
验证性
课程目标1
2
熟悉词性分析与分词实践
掌握Python环境下的如何利用词典和有关工具对词语进行加工和分类。
6
验证性
课程目标1
3
熟悉文本表示与特征提取实践
学习词语的向量空间与分布表示,完成对文本特征的选择与提取。
4
验证性
课程目标1
4
熟悉文本分类与文本聚类常见方法
学习文本分类中的传统方法和深度学习方法,掌握文本聚类方法的度量标准。
4
验证性
课程目标1
5
熟悉实体识别工具与实践
学习使用斯坦福NLP工具中的句法分析与实体识别功能。
6
设计性
课程目标1
6
熟悉知识三元组表示与知识获取过程
掌握Neo4j环境下的知识存储功能及网络环境下的知识获取过程。
4
设计性
课程目标2
7
实现基于知识图谱的简单领域问答系统及可视化展示
实现在Neo4j环境下利用SPARQL查询实现问答,并对问题和答案进行可视化展示。
6
设计性
课程目标2
合计
34
注:实验要求包括必修、选修;实验类型包括“验证性”、“设计性”、“……”等。
七、学业评价和课程考核
(一)考核类型:?考试?考查
(二)考核方式:?实验报告?实验作品
?其它:(填写具体考核方式)
(三)成绩评定:
考核
依据
建议分值
(百分比)
考核/评价细则
对应课程目标
平时
考核
100%
出勤
30%
考勤情况
课程目标1
报告
40%
完成进度、正确性
课程目标2
表现
30%
听课情况、动手能力
课程目标2
期末
考核
0
八、课程目标达成评价
课程目标的实际达成效果计算方式如下,达成值越高
您可能关注的文档
- 0923D05025-数学模型实验-2023版人才培养方案课程教学大纲.docx
- 0923D06002-程序设计基础实验.docx
- 0923D06006-数据结构实验.docx
- 0923D06013-矩阵理论与数据分析实验.docx
- 0923D06017-Java程序设计实验.docx
- 0923D06018-Java程序设计课程设计.docx
- 0923D06019-数据统计分析基础.docx
- 0923D07001-微分几何-2023版人才培养方案课程教学大纲.docx
- 0923D07002-复变函数-2023版人才培养方案课程教学大纲.docx
- 0923D07007-数学模型-2023版人才培养方案教学大纲.docx
文档评论(0)