自然语言处理（第1、2章）教案 预备知识、 深度神经网络.docx

PAGE2

预备知识

参考学时

4学时。

教学目标（能力要求）

学生能理解概率论中概率的基本要素、随机变量及分布函数

学生掌握信息论中的自信息、熵、交叉熵与互信息等核心概念及其在NLP中的应用；

学生能熟悉图的基本结构、遍历算法（DFS/BFS）及最短路径算法（Dijkstra）；

学生能了解机器学习中监督/无监督/强化/迁移等学习范式，掌握模型评估与过拟合/欠拟合的识别；

让学生认识NLP的发展阶段、核心任务（如分词、NER、句法分析）及其面临的主要挑战。

教学重点和难点

教学重点：建立NLP所需的跨学科知识框架，理解概率、信息论与机器学习在NLP中的基础作用；

教学难点：将抽象的概率