《自然語言處理》是由劉挺、秦兵、趙軍、黃萱菁、車萬翔主編，高等教育出版社於2021年12月6日出版的教材。
基本介紹
- 中文名：自然語言處理
- 作者：劉挺、秦兵、趙軍、黃萱菁、車萬翔
- 出版社：高等教育出版社
- 出版時間：2021年12月6日
- ISBN：9787040561777
內容簡介
本書在新一代人工智慧背景下，重點介紹自然語言處理的基礎知識、主要的經典技術、前沿技術及套用。本書分為四部分內容進行闡述：基礎知識、自然語言處理的基礎技術、自然語言處理的套用技術、自然語言處理的套用系統。首先，在基礎知識部分，介紹了語言學理論和機器學習理論兩個方面的基礎。其次，介紹自然語言處理中的基礎技術，辯贈歸喇包括語言模型、詞法分析、句法分析和語義分析等內容。然後，通過文本的信息抽取、篇章分析、情感分析及文本生成等任務，介紹自然語言處理的套用技術。最後，在自然語言處理的套用系統方面，詳細介紹了問答系統、對話系統和機器翻譯中的相關技術和系統結構等內容。
本書可作為人工智慧專業、智慧型科學與技術專業以及計算機類相關專業的本科生及研究生學習自然語言處理的教材，也可以作為危戶戀自然語言方向相關研究人員的參考用書。
圖書目錄
前輔文
第1章 緒論
1.1 自然語言處理的定義
1.2 自然語言處理的研究內容
1.2.1 資源建設
1.2.2 基礎研究贈臘屑
1.2.3 套用技術研究
1.2.4 套用系統
1.3 自然語言處理的流派
1.3.1 基於規則的自然語言處理
1.3.2 基於統計學習的自然語言處理
1.3.3 基於深度學習的自然語言處理
1.4 自然語言處理的挑戰
1.5 本書各章節內容概述
參考文獻
第2章 現代語言學基礎
2.1 語言學與人類的語言
2.1.1 現代刪酷糊語言學的起源及學科分支
2.1.2 人類語言的符號性與層級性
2.2 語言系統及其知識模型
2.2.1 語音系統
2.2.2 辭彙系統
2.2.3 句法系統
2.2.4 語義系統
2.2.5 語用系統
2.3 語言的歧義性與創造性
2.3.1 歧義性
2.3.2 創造性
2.4 語言知識資源
2.5 延伸閱讀
習題
參考文獻
第3章 形式語言與自動機
3.1 基本概念
3.1.1 字母表、符號串及語言
3.1.2 文法
3.1.3 自動機
3.2 正則文法與有窮自動機
3.2.1 正則表達式與正則文法
3.2.2 有窮自動機
3.2.3 在自然語言處理中的套用
3.3 上下文無關文法和下推自動機
3.3.1 上下文無關文法
3.3.2 下推自動機
3.3.3 在自然語言處理中的套用
習題
第4章 機器學習基礎
4.1 機器學習概述
4.1.1 機器學習的三個基本要素
4.1.2 泛化與正則化
4.1.3 機器學習算法的類型
4.2 線性分類器
4.2.1 logistic回歸
4.2.2 softmax回歸
4.2.3 感知器
4.2.4 支持向量機
4.3 結構化學習
4.3.1 結構化感知器
4.3.2 隱馬爾可夫模型
4.3.3 條件隨機場
4.4 神經網路與深度學習
4.4.1 前饋神經網路
4.4.2 卷積神經網路
4.4.3 循環神經網路
4.4.4 注意力機制
4.5 總結和延伸閱讀
參考文獻
第5章 文本表示
5.1 詞的表示
5.1.1 分散式語義假設
5.1.2 布朗聚類
5.1.3 潛在語義分析
5.1.4 神經詞嵌入
5.1.5 評價
5.2 短語和句子表示
5.2.1 詞袋模民訂應型
5.2.2 基於神經網路的組合語義模型
5.2.3 通用表示學習目標
5.3 延伸閱讀
習題
參考文獻
第6章 語言模型
6.1 n元語言模型
6.1.1 n元櫻跨語法
6.1.2 最大似然估計
6.1.3 語言模型性能評價
6.1.4 平滑
6.2 神經網路語言模型
6.2.1 前饋神經網路語言模型
6.2.2 循環神經網路語言舉慨擔墓模型
6.3 預訓練語言模型
6.3.1 單向語言模型預訓練
6.3.2 雙向語言模型預訓練
6.3.3 掩碼語言模型預訓練
6.4 延伸閱讀
習題
參考文獻
第7章 詞法分析
7.1 詞形分析
7.1.1 英語詞形變化概述
7.1.2 詞形分析算法
7.2 詞語切分
7.2.1 中文分詞概述
7.2.2 中文分詞方法
7.2.3 中文分詞語料
7.3 詞性標註
7.3.1 詞性標註概述
7.3.2 詞性標註方法
7.3.3 主要數據集
7.4 延伸閱讀
習題
參考文獻
第8章 句法分析
8.1 概述
8.2 短語結構句法分析
8.2.1 短語結構句法樹
8.2.2 機率上下文無關文法
8.2.3 短語結構句法分析算法
8.2.4 評價指標
8.3 依存結構句法分析
8.3.1 依存結構句法樹
8.3.2 依存結構句法分析算法
8.3.3 評價指標
8.4 句法分析語料
8.4.1 賓州大學樹庫
8.4.2 多語言通用依存樹庫
8.4.3 中文句法樹庫
8.5 延伸閱讀
習題
參考文獻
第9章 語義分析
9.1 語義的形式化表示
9.1.1 辭彙語義
9.1.2 事件語義
9.1.3 整句語義
9.2 詞義消歧
9.3 語義角色標註
9.4 基於圖表征的語義分析
9.4.1 分析方法概覽
9.4.2 基於因子分解的語義依存分析
9.5 延伸閱讀
習題
參考文獻
第10章 信息抽取
10.1 命名實體識別
10.1.1 基本概念
3.3 上下文無關文法和下推自動機
3.3.1 上下文無關文法
3.3.2 下推自動機
3.3.3 在自然語言處理中的套用
習題
第4章 機器學習基礎
4.1 機器學習概述
4.1.1 機器學習的三個基本要素
4.1.2 泛化與正則化
4.1.3 機器學習算法的類型
4.2 線性分類器
4.2.1 logistic回歸
4.2.2 softmax回歸
4.2.3 感知器
4.2.4 支持向量機
4.3 結構化學習
4.3.1 結構化感知器
4.3.2 隱馬爾可夫模型
4.3.3 條件隨機場
4.4 神經網路與深度學習
4.4.1 前饋神經網路
4.4.2 卷積神經網路
4.4.3 循環神經網路
4.4.4 注意力機制
4.5 總結和延伸閱讀
參考文獻
第5章 文本表示
5.1 詞的表示
5.1.1 分散式語義假設
5.1.2 布朗聚類
5.1.3 潛在語義分析
5.1.4 神經詞嵌入
5.1.5 評價
5.2 短語和句子表示
5.2.1 詞袋模型
5.2.2 基於神經網路的組合語義模型
5.2.3 通用表示學習目標
5.3 延伸閱讀
習題
參考文獻
第6章 語言模型
6.1 n元語言模型
6.1.1 n元語法
6.1.2 最大似然估計
6.1.3 語言模型性能評價
6.1.4 平滑
6.2 神經網路語言模型
6.2.1 前饋神經網路語言模型
6.2.2 循環神經網路語言模型
6.3 預訓練語言模型
6.3.1 單向語言模型預訓練
6.3.2 雙向語言模型預訓練
6.3.3 掩碼語言模型預訓練
6.4 延伸閱讀
習題
參考文獻
第7章 詞法分析
7.1 詞形分析
7.1.1 英語詞形變化概述
7.1.2 詞形分析算法
7.2 詞語切分
7.2.1 中文分詞概述
7.2.2 中文分詞方法
7.2.3 中文分詞語料
7.3 詞性標註
7.3.1 詞性標註概述
7.3.2 詞性標註方法
7.3.3 主要數據集
7.4 延伸閱讀
習題
參考文獻
第8章 句法分析
8.1 概述
8.2 短語結構句法分析
8.2.1 短語結構句法樹
8.2.2 機率上下文無關文法
8.2.3 短語結構句法分析算法
8.2.4 評價指標
8.3 依存結構句法分析
8.3.1 依存結構句法樹
8.3.2 依存結構句法分析算法
8.3.3 評價指標
8.4 句法分析語料
8.4.1 賓州大學樹庫
8.4.2 多語言通用依存樹庫
8.4.3 中文句法樹庫
8.5 延伸閱讀
習題
參考文獻
第9章 語義分析
9.1 語義的形式化表示
9.1.1 辭彙語義
9.1.2 事件語義
9.1.3 整句語義
9.2 詞義消歧
9.3 語義角色標註
9.4 基於圖表征的語義分析
9.4.1 分析方法概覽
9.4.2 基於因子分解的語義依存分析
9.5 延伸閱讀
習題
參考文獻
第10章 信息抽取
10.1 命名實體識別
10.1.1 基本概念
