自然語言處理導論

《自然語言處理導論》主要介紹自然語言處理理論與技術，
旨在讓更多人了解並學習自然語言處理技術，讓人工智慧更能為我們服務。
《自然語言處理導論》共16章，包括自然語言理解基礎和具體任務探索兩部分，
主要講述了自然語言處理文本表示、分析、挖掘、推理等方面的相關概念、方法、技術和近期研究進展；
詳細介紹了文本分類、情感計算、知識抽取等基礎方法；
全面講述了自動文摘、問答系統、機器翻譯、社會計算、
內容生成和跨模態計算等具體任務；最後討論了深度學習前沿問題。
《自然語言處理導論》致力於幫助高等院校電腦相關專業學生牢固掌握自然語言處理的基本理論與技術，
掌握如何分析文本資訊、解決問題、完成相關研究的方法，以及了解自然語言處理的典型應用場景。

前言
第1章緒論
1.1基本概念
1.1.1語言學與語音學
1.1.2自然語言
1.1.3自然語言處理
1.2自然語言處理的發展歷程
1.2.1自然語言處理的發展歷史
1.2.2自然語言處理的研究現況
1.2.3自然語言處理的發展前景
1.3自然語言處理的基本方法
1.3.1理性主義方法
1.3.2經驗主義方法
1.3.3對比分析
1.4自然語言處理的研究內容
1.4.1文本分類
1.4.2資訊擷取
1.4.3文本摘要
1.4.4智慧問答
第2章語言模型
2.1語言模型概述
2.2n-gram統計語言模型
2.2.1何為n-gram模型
2.2.2n-gram語言模型評估字序列
2.2.3n -gram統計語言模型的應用
2.2.4n-gram模型中n對表現的影響
2.2.5n-gram模型小結
思考題
參考文獻
第3章神經網路與神經語言模型
3.1人工神經網路與神經語言模型
3.1.1人工神經網路
3.1.2神經語言模型
3.2卷積神經網路
3.2.1卷積神經網路結構
3.2.2卷積神經網路的文本處理
3.3循環神經網路
3.4遞迴神經網路
3.4.1遞迴神經網路的前向計算
3.4.2遞歸神經網路的訓練方法
思考題
參考文獻
第4章詞與語意向量
4.1離散分佈表示
4.1.1獨熱表示法
4.1.2詞袋表示法
4.2分佈式表示
4.2.1Word2vec
4.2.2矩陣分解
4.2.3GloVe
4.3文本特徵選擇法
4.3.1基於文檔頻率的特徵提取法
4.3.2 χ2統計量
4.3.3資訊增益法
4.3.4互資訊法
4.4特徵權重計算方法
4.4.1布林權重
4.4.2絕對詞頻
4.4.3TF-IDF
思考題
參考文獻
第5章預訓練語言模型
5.1Transformer
5.2ELMo
5.3GPT
5.4BERT
5.5後BERT時代
思考題
參考文獻
第6章序列標註
6.1馬爾可夫模型
6.2條件隨機場、維特比演算法
6.2.1條件隨機場的原理解析
6.2.2條件隨機場的特性
6.3序列標註任務
6.3.1自動分詞
6.3.2漢語自動分詞中的基本問題
6.3.3歧義切分問題
6.3.4未登錄詞問題
6.4漢語分詞方法
6.4.1基於詞頻度統計的分詞方法
6.4.2N-最短路徑方法
6.4.3基於詞的n元語法模型的分詞方法
6.4.4由字構詞的漢語分詞方法
6.4.5基於詞感知機的漢語分詞方法
6.4.6基於字的生成式模型和區分式模型相結合的漢語分詞方法
6.4.7其他分詞方法
6.5詞性標註
6.5.1詞性標註概述
6.5.2基於規則的詞性標註方法
6.5.3基於統計模型的詞性標註方法
6.5.4統計方法與規則方法結合的詞性標註方法
6.5.5詞性標註的一致性檢查
6.5.6技術評測
6.6命名實體識別
6.6.1基於條件隨機場的命名實體辨識方法
6.6.2基於多特徵的命名實體辨識方法
6.6.3基於神經網路的命名實體辨識方法…