第一部分 基础知识
第1章 智能文本处理概览
1.1 什么是智能文本处理
1.1.1 智能文本处理概念
1.1.2 智能文本处理技术
1.1.3 智能文本处理的价值
1.2 NLP技术简介
1.2.1 基本概念
1.2.2 文本自动处理层次划分
1.2.3 研究现状及主要方法
1.3 书面文本处理和短文本处理
1.3.1 不同处理类型
1.3.2 书面文本应用举例
1.3.3 短文本应用举例
1.3.4 处理差异比较
1.4 机器学习与NLP
1.4.1 机器学习的基本概念与历史
1.4.2 常见的机器学习任务与方法
1.4.3 常见机器学习问题与NLP
1.4.4 实战:如何使用机器学习方法检测垃圾邮件
1.5 深度学习与NLP
1.5.1 深度学习和传统机器学习的差别
1.5.2 深度学习对NLP的推进
1.5.3 深度学习研究在NLP中的局限性
第2章 NLP技术概览
2.1 语言模型
2.1.1 语言模型基本概念
2.1.2 N-gram语言模型
2.1.3 神经网络语言模型
2.1.4 大规模预训练语言模型
2.2 分词与词性标注
2.2.1 概述
2.2.2 分词技术详解
2.2.3 词性识别详解
2.3 NER
2.3.1 基本概念
2.3.2 基于规则的NER
2.3.3 基于序列标注的NER
2.3.4 数据增强方法
2.4 文本分类概述
2.4.1 文本分类任务的基本定义
2.4.2 基于机器学习的文本分类
2.4.3 基于深度学习的文本分类
2.4.4 文本分类算法评估
2.4.5 实践经验与技术进阶
2.5 指代消解
2.5.1 基本概念
……
第二部分 项目覆盖场景
第三部分 行业案例经验
展开