自然语言处理技术应用作业指导书.docVIP

自然语言处理技术应用作业指导书

TOC\o1-2\h\u24864第1章自然语言处理技术概述 4

94151.1自然语言处理的发展历程 4

5591.1.1早期研究阶段（1950s1960s） 5

295181.1.2规则方法阶段（1970s1990s） 5

155171.1.3统计方法阶段（2000s至今） 5

83471.2自然语言处理的主要任务与挑战 5

130751.2.1语义歧义 5

14761.2.2上下文依赖 5

243421.2.3数据稀疏性 5

204421.2.4多任务学习 5

298421.3自然语言处理的应用领域 6

66081.3.1搜索引擎 6

180681.3.2机器翻译 6

99181.3.3智能客服 6

243351.3.4文本分类与情感分析 6

182041.3.5自动摘要与 6

188551.3.6语音识别与合成 6

2275第2章与词向量表示 6

209362.1基础 6

45412.1.1的定义与作用 6

139832.1.2的评价指标：困惑度与交叉熵 6

152722.1.3的概率计算：条件概率与联合概率 6

111802.2词袋模型与词嵌入 6

40232.2.1词袋模型的原理与实现 7

294392.2.2词向量的概念与意义 7

224882.2.3词嵌入的方法：基于矩阵分解的词嵌入与基于神经网络的词嵌入 7

16452.3神经网络 7

19882.3.1神经网络的发展历程 7

120792.3.2循环神经网络（RNN）在中的应用 7

323942.3.3长短时记忆网络（LSTM）与门控循环单元（GRU）在中的应用 7

101972.4预训练 7

279852.4.1预训练的概念与动机 7

6252.4.2Word2Vec模型：CBOW与SkipGram 7

218292.4.3GloVe模型：全局向量表示 7

75172.4.4ELMo、BERT及GPT系列模型：深度预训练与微调策略 7

240102.4.5预训练在自然语言处理任务中的应用：文本分类、情感分析、机器翻译等 7

790第3章词法分析技术 7

34323.1分词算法 7

138203.1.1概述 7

7913.1.2基于字符串匹配的分词方法 7

120183.1.3基于理解的分词方法 7

314333.1.4基于统计的分词方法 7

200293.1.5基于深度学习的分词方法 7

326153.2词性标注方法 8

143493.2.1概述 8

321573.2.2基于规则的方法 8

88523.2.3基于统计的方法 8

179643.2.4基于深度学习的方法 8

24593.3命名实体识别 8

173043.3.1概述 8

71543.3.2基于规则的方法 8

16383.3.3基于统计的方法 8

64473.3.4基于深度学习的方法 8

9301第4章句法分析技术 9

190954.1依存句法分析 9

25974.1.1基本概念 9

225714.1.2主要算法 9

74154.1.3应用场景 9

8084.2配角句法分析 9

121054.2.1技术原理 9

229074.2.2算法实现 9

120494.2.3应用场景 9

209934.3短语结构分析 9

239494.3.1基本概念 10

326434.3.2主要算法 10

99234.3.3应用场景 10

14540第5章文本分类与情感分析 10

76205.1文本分类方法 10

180055.1.1基于规则的方法 10

31105.1.2基于统计的方法 10

272185.1.3基于机器学习的方法 10

139225.2情感分析任务 10

322965.2.1情感极性分类 11

173865.2.2情感强度预测 11

308665.2.3情感目标抽取 11

289895.3深度学习文本分类方法 11

25665.3.1循环神经网络（RNN） 11

90225.3.2卷积神经网络（CNN） 11

105125.3.3递归卷积神经网