更新时间：2024-02-27 11:28:38
封面
版权信息
作者简介
前言
第1章 绪论
1.1 基本概念
1.2 自然语言处理的发展历程
1.3 自然语言处理的基本方法
1.4 自然语言处理的研究内容
第2章 语言模型
2.1 语言模型概述
2.2 n-gram统计语言模型
思考题
参考文献
第3章 神经网络和神经语言模型
3.1 人工神经网络和神经语言模型
3.2 卷积神经网络
3.3 循环神经网络
3.4 递归神经网络
第4章 词和语义向量
4.1 离散分布表示
4.2 分布式表示
4.3 文本特征选择法
4.4 特征权重计算方法
第5章 预训练语言模型
5.1 Transformer
5.2 ELMo
5.3 GPT
5.4 BERT
5.5 后BERT时代
第6章 序列标注
6.1 马尔可夫模型
6.2 条件随机场、维特比算法
6.3 序列标注任务
6.4 汉语分词方法
6.5 词性标注
6.6 命名实体识别
第7章 语义分析
7.1 词义消歧
7.2 语义角色标注
7.3 双语联合语义角色标注方法
第8章 文本分类
8.1 文本分类概述
8.2 传统分类器设计
8.3 基于神经网络方法
8.4 文本分类性能评测
第9章 情感计算
9.1 文档或句子级情感计算方法
9.2 属性级情感分析
9.3 其他情感分析任务
第10章 知识抽取
10.1 知识抽取概述
10.2 命名实体识别
10.3 实体链接
10.4 关系抽取
10.5 事件抽取
第11章 统计机器翻译和神经机器翻译
11.1 机器翻译概述
11.2 基于HMM的词对位模型
11.3 基于短语的翻译模型
11.4 基于最大熵的翻译模型
11.5 基于层次短语的翻译模型
11.6 树翻译模型
11.7 树模型的相关改进
11.8 基于谓词论元结构转换的翻译模型
11.9 集外词翻译
11.10 统计翻译系统实现
11.11 译文质量评估方法
第12章 问答系统与多轮对话
12.1 引言
12.2 第一代：基于模板规则的问答系统
12.3 第二代：基于信息检索的问答系统
12.4 第三代：基于数据库的问答系统
12.5 第四代：基于知识库的问答系统
12.6 多模态问答系统
12.7 多轮对话系统与大语言模型
12.8 前景与挑战
第13章 基于深度学习的社会计算
13.1 基于深度学习的社会联系模型
13.2 基于深度学习的推荐系统
