Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术.pdfVIP

Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术--第1页

第10章N1P中的深度学习技术

教案

课程名称：Python中文自然语言处理基础与实战

课程类别：选修

适用专业：人工智能类相关专业

总学时：64学时（其中理论40学时，实验24学时）

总学分：4.0学分

本章学时：6学时

一、材料清单

（1）《Python中文自然语言处理基础与实战》教材。

（2）配套PpT。

（3）引导性提问。

（4）探究性问题。

（5）拓展性问题。

二、教学目标与基本要求

1教学目标

主要介绍N1P中使用的深度学习技术，包括循环神经网络、长短期记忆网络和Seq2Seq模

型。首先介绍循环神经网络的基本概念，然后引入单向RNN结构、1STM模型结构以及Seq2Seq模

型结构，随后介绍常见的深度学习工具，最后将1STM模型应用于文本分类和情感分析，Seq2Seq

模型应用于机器翻译。

Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术--第1页

Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术--第2页

2.基本要求

(1)了解循环神经网络的基本概念。

(2)熟悉RNN、1STM和Seq2Seq模型的结构。

(3)了解常用的深度学习工具。

(4)掌握文本分类、情感分析和机器翻译的实现方法。

三、问题

1.引导性提问

引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，

提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。

(I)循环神经网络的特色是什么？

(2)RNN有哪些结构？

(3)TensorF1ow有哪些特点？

2.探究性问题

探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在引导性提问的基础

上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是

重要的问题加以设问。

(1)传统神经网络为什么不适合解决N1P的问题？

(2)RNN的多对一结构通常用于处理什么问题？

(3)Seq2Seq模型包含哪些结构？

3.拓展性问题

拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切

实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。

(1)如何使用循环神经网络进行文本分类？

Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术--第2页

Python中文自然语言处理基础与实战(教案)第10章NLP中的深度学习技术--第3页

(2)生活中哪些地方用上了机器翻译？

四、主要知识点、重点与难点

1.主要知识点

(1)循环神经网络的基本概念。

(2)循环神经网络的基本结构。

(3)TensorF1ow的特点。

(4)TensorF1ow的安装流程。

(5)基于1STM网络的文本分类的实现方法.

(6)基于1STM网络的情感分析的实现方法。

(7)基于Seq