目录

第1篇基础篇

第1章绪论

1.1概念

1.1.1语言

1.1.2自然语言

1.1.3自然语言处理

1.2任务体系

1.2.1资源建设

1.2.2基础任务

1.2.3应用任务

1.2.4应用系统

1.3挑战

1.4发展阶段

1.4.1基于规则的理解

1.4.2基于统计的理解

1.4.3基于深度学习的理解

1.4.4基于大模型的理解

1.5本章小结

习题1

第2章数学基础

2.1微积分基础

2.1.1导数

2.1.2微分和积分

2.1.3导数法则

2.2概率论基础

2.2.1事件和概率

2.2.2随机变量与分布函数

2.2.3随机变量的数字特征

2.2.4最大似然估计

2.2.5常见概率分布

2.3矩阵论基础

2.3.1基本概念

2.3.2基本运算

2.3.3特殊类型的矩阵

2.3.4其他概念

2.4信息论基础

2.4.1最优编码

2.4.2熵

2.4.3噪声信道模型

2.5随机过程基础

2.5.1马尔可夫过程

2.5.2隐马尔可夫模型

2.6本章小结

习题2

第3章模型基础

3.1传统机器学习模型

3.1.1Logistic Regression

3.1.2支持向量机

3.1.3最大熵模型

3.1.4随机森林

3.1.5条件随机场

3.1.6集成学习

3.2深度学习模型

3.2.1感知机

3.2.2前馈神经网络

3.2.3递归神经网络

3.2.4卷积神经网络

3.2.5生成式对抗网络

3.2.6注意力机制

3.2.7Transformer模型

3.2.8预训练模型

3.3模型评价

3.3.1正确率

3.3.2精确率

3.3.3召回率

3.3.4F1值

3.3.5混淆矩阵

3.3.6ROC曲线

3.3.7AUC曲线

3.3.8BLEU

3.3.9ROUGE

3.4本章小结

习题3

第4章开发环境搭建

4.1开发环境介绍

4.2PyTorch快速入门

4.2.1张量

4.2.2常用函数

4.2.3数据集和数据加载器

4.2.4神经网络模块

4.2.5自动微分

4.2.6保存和加载模型

4.3本章小结

习题4

第2篇技术篇

第5章语言模型

5.1语言模型概述

5.2N元语言模型

5.2.1常用平滑方法

5.2.2语言模型的评估

5.3神经网络语言模型

5.3.1BERT

5.3.2GPT 

5.3.3ChatGPT

5.3.4DeepSeekR1

5.4本章小结 

习题5

第6章词法分析

6.1中文分词

6.1.1基于规则的中文分词方法

6.1.2基于神经网络的中文分词方法

6.2词性标注

6.2.1基于规则的词性标注方法

6.2.2基于统计的词性标注方法

6.2.3基于神经网络的词性标注方法

6.3词义消歧

6.3.1基于目标词上下文的词义消歧方法

6.3.2基于词义释义匹配的词义消歧方法

6.3.3基于词义知识增强预训练的词义消歧方法

6.4编程实战

6.4.1中文分词代码实现

6.4.2词性标注代码实现

6.5本章小结

习题6

第7章句法分析

7.1短语句法分析

7.1.1基于CYK的短语句法分析

7.1.2基于移进归约的短语句法分析

7.2依存句法分析

7.2.1生成式句法分析

7.2.2判别式句法分析

7.2.3基于图模型的依存句法分析

7.2.4基于转移的依存句法分析

7.3编程实战

7.3.1短语句法分析代码精讲

7.3.2依存句法分析代码精讲

7.4本章小结

习题7

第8章语义分析

8.1语义表示

8.1.1谓词逻辑表示

8.1.2产生式规则表示

8.1.3框架表示

8.1.4语义网络表示

8.1.5格语法

8.1.6分布式知识表示

8.2词汇级语义分析

8.2.1词义消歧

8.2.2词语相似度计算

8.3句子级语义分析

8.3.1基于短语句法的语义角色标注

8.3.2基于依存句法的语义角色标注

8.3.3基于神经网络的语义角色标注

8.4编程实战

8.4.1词义消歧

8.4.2词语相似度计算

8.4.3语义角色标注

8.5本章小结 

习题8

第9章篇章分析

9.1篇章分析理论概述

9.1.1Hobbs模型

9.1.2DLTAG理论

9.1.3RST

9.1.4PDTB表示体系

9.1.5中心理论

9.1.6言语行为理论

9.1.7篇章图模型

9.1.8主位述位结构理论

9.1.9句群理论

9.1.10复句理论

9.2篇章结构分析

9.2.1基于RST的篇章结构分析

9.2.2基于PDTB的篇章结构分析

9.3指代消解

9.3.1基于传统机器学习的指代消解

9.3.2基于深度学习的指代消解

9.4篇章连贯性建模

9.4.1基于特征工程的篇章连贯性建模

9.4.2基于深度学习的篇章连贯性建模

9.5编程实战

9.5.1篇章结构分析工具

9.5.2指代消解代码精讲

9.6本章小结 

习题9

第3篇应用篇

第10章虚假信息检测算法实践

10.1引言

10.1.1时空结构神经网络

10.1.2数据集

10.1.3评价指标

10.2模型实现

10.2.1模型训练

10.2.2基于时空结构神经网络的虚假信息检测

10.2.3代码实现

10.2.4模型评价

10.3本章小结

习题10

附录

参考文献