Introduction to Natural Language Processing

课程简介

1. 自然语言处理基础 介绍自然语言处理（NLP）的概念、历史和应用。文本预处理技术（分词、分段、Unicode处理），语料库资源和统计语言模型（如N-gram和平滑技术）。基本的语言分析方法，包括词性标注、形态学、句法和基本的句法分析。 2. NLP中的模型和技术 分布式表示和词嵌入（Word2Vec、GloVe、上下文嵌入）。神经网络架构，包括循环神经网络（LSTM/GRU）、序列到序列模型、注意力机制和变换器模型（如BERT、GPT）。应用包括文本分类、情感分析、机器翻译和信息提取。 3. NLP的应用 对话系统、聊天机器人和大型语言模型（LLM）。部署考虑和评估策略。自然语言处理中的伦理和社会问题，包括偏见、公平性、透明度和负责任的人工智能实践。

学习目标

1. 掌握自然语言处理的基本概念和技术，包括文本处理、语言模型和核心任务（如句法分析、分类、信息提取）。 2. 学习使用现代工具（如Python库、机器学习框架）构建自然语言处理系统，并应用于解决问题。 3. 培养对语言数据和新兴自然语言处理趋势（如大型语言模型、自主人工智能）的批判性思考，并培养自然语言处理项目中的团队合作和沟通技能。

先修要求

具备线性代数、概率论和人工智能的知识为佳。

教学模式

通过实例介绍理论和概念；通过练习复习关键方法；通过实践实验室提供使用自然语言处理工具的实际经验；通过团队项目加深参与度。鼓励学生独立阅读研究和文档。重点在于体验式学习：构建自然语言处理管道并批判性地评价模型。课堂练习和讨论论文支持批判性思考和团队合作。