5.3启发式搜索策略然博奔和机遇性博奔。本章主要介绍两人5.4博奔树的启发式搜索零和、全信息、非偶然博奔间题第六章机器学习6.1机器学习系统的基本模型6.2传统机器学习方法机器学习是智能科学技术近年来的热点，6.3统计机器学习方法要求学生掌握传统的机器学习方法和统666.3.1决策树模型计机器学习方法，会用机器学习方法解决实际间题。6.3.2KNN模型6.3.3Kmeans模型6.3.4条件随机场模型第七章人工神经网络与深度学习7.1人工神经网络7.1.1ANN基本概念及组成特性7.1.2感知器模型及其学习算法神经网络技术是一种机器学习与间题求7.1.3反向传播模型及其学习算解技术。了解人工神经网络的组成及本法质，以及B-P网络模型与Hopfield模型7.1.4Hopfield模型及其学习算|的参数学习算法。76法深度学习是对B-P神经网络模型的改进，7.2深度学习模型包括卷积神经网络模型（CNN）、递归神经7.2.1CNN模型网络模型（RNN）等，本章将介绍这些模7.2.2RNN模型型机器应用方法7.2.3LSTM模型7.2.4预训练模型7.2.5各模型之间的关系三、教学方法教学方法为课堂讲授与视频演示相结合的方法。课堂讲授采用PPT与板书相结合的方法对人工智能的概念、原理、实现方法以及应用场景进行介绍。教学方式采用讲课以及与学生互动的方式进行。四、课程思政内容课程上要介绍我国在人工智能领域的快速发展及所取得的骄人成绩，培养学生对伟大的社会主义祖国的自豪感，同时通过了解世界科技的进步以及中华民族复兴的伟大目标，培养学生的责任感和使命感，体现社会主义核心价值观，使学生不忘初心，牢记使命，为国家的14
14 5.3 启发式搜索策略 5.4 博弈树的启发式搜索 然博弈和机遇性博弈。本章主要介绍两人 零和、全信息、非偶然博弈问题。 6 第六章 机器学习 6.1 机器学习系统的基本模型 6.2 传统机器学习方法 6.3 统计机器学习方法 6.3.1 决策树模型 6.3.2 KNN 模型 6.3.3 Kmeans 模型 6.3.4 条件随机场模型 机器学习是智能科学技术近年来的热点， 要求学生掌握传统的机器学习方法和统 计机器学习方法，会用机器学习方法解决 实际问题。 6 7 第七章 人工神经网络与深度学习 7.1 人工神经网络 7.1.1 ANN 基本概念及组成特性 7.1.2 感知器模型及其学习算法 7.1.3 反向传播模型及其学习算 法 7.1.4 Hopfield 模型及其学习算 法 7.2 深度学习模型 7.2.1 CNN 模型 7.2.2 RNN 模型 7.2.3 LSTM 模型 7.2.4 预训练模型 7.2.5 各模型之间的关系 神经网络技术是一种机器学习与问题求 解技术。了解人工神经网络的组成及本 质，以及 B-P 网络模型与 Hopfield 模型 的参数学习算法。 深度学习是对 B-P 神经网络模型的改进， 包括卷积神经网络模型（CNN）、递归神经 网络模型（RNN）等，本章将介绍这些模 型机器应用方法 6 三、教学方法 教学方法为课堂讲授与视频演示相结合的方法。课堂讲授采用 PPT 与板书相结合的方法 对人工智能的概念、原理、实现方法以及应用场景进行介绍。教学方式采用讲课以及与学生 互动的方式进行。 四、课程思政内容 课程上要介绍我国在人工智能领域的快速发展及所取得的骄人成绩，培养学生对伟大的 社会主义祖国的自豪感，同时通过了解世界科技的进步以及中华民族复兴的伟大目标，培养 学生的责任感和使命感，体现社会主义核心价值观，使学生不忘初心，牢记使命，为国家的
复兴而努力学习。在具体的教学中开展相应的思想政治教育：1.课程中介绍人工智能的发展历史及其当前的发展现状，结合我国的实际，介绍世界各国以及我国科技工作者在人工智能领域取得的成就，例如，在语音识别领域、机器人、无人机、智能仓储与物流领域，我国取得的领先国际的成绩，增强学生的自豪感。2.了解人工智能目前的快速发展，结合我国建设的宏伟目标，使学生明确在人工智能领域的奋斗方向，激发学生的使命感和责任感，努力学习，立志报效祖国、服务人民。3.通过不同人工智能算法的学习，使学生了解面对复杂工程间题时，有各种各样的实现方法，如何选择最优的方法，以实现事半功倍的效果，引导学生运用已有的知识和经验，让自己所学发挥最大的作用，少走弯路，创造出世界领先的技术和产品。五、教学目标达成与评价方式1.教学目标1通过第一章绪论的讲解和有关人工智能应用的视频演示，并通过整个课程的理论讲解来达成；达成情况通过平时作业、课堂提问回答情况、实验性作业的结果演示、期末考试成绩等进行评价。2.教学目标2通过课堂布置的有关实践性作业以及结合自己导师实验室的科研项目，运用人工智能知识在解决实际间题中达成；达成情况通过平时作业、课堂提问回答情况、实验性作业的结果演示、期末考试成绩等进行评价。六、课程成绩评定1.平时成绩：包括不固定时间随堂提间，以及在课后布置与课程知识点相关的习题以督促学生学习为目的，并以此反映学生的学习态度及知识掌握情况。2.期末考试：内容涉及课程的基本理论和基本分析、设计方法，并重点突出，题型包括选择题、填空题、问答题、简述题、应用题等。最终成绩各部分所占比例如下（%）本课程成绩考核比例考核方式备注成绩比例（%）平时成绩20-30包含课堂互动、作业、考勤等70-80期末考试闭卷或开卷七、建议教材与主要参考书建议教材：张仰森。人工智能教程（第2版）。北京：高等教育出版社，2016.9参考书：1.张仰森．人工智能教程学习指导与习题解析．高等教育出版社，2009.32.王万良．人工智能通识教程．清华大学出版社.2020.915
15 复兴而努力学习。在具体的教学中开展相应的思想政治教育: 1.课程中介绍人工智能的发展历史及其当前的发展现状，结合我国的实际，介绍世界各 国以及我国科技工作者在人工智能领域取得的成就，例如，在语音识别领域、机器人、无人 机、智能仓储与物流领域，我国取得的领先国际的成绩，增强学生的自豪感。 2.了解人工智能目前的快速发展，结合我国建设的宏伟目标，使学生明确在人工智能领 域的奋斗方向，激发学生的使命感和责任感，努力学习，立志报效祖国、服务人民。 3.通过不同人工智能算法的学习，使学生了解面对复杂工程问题时，有各种各样的实现 方法，如何选择最优的方法，以实现事半功倍的效果，引导学生运用已有的知识和经验，让 自己所学发挥最大的作用，少走弯路，创造出世界领先的技术和产品。 五、教学目标达成与评价方式 1. 教学目标 1 通过第一章绪论的讲解和有关人工智能应用的视频演示，并通过整个课 程的理论讲解来达成；达成情况通过平时作业、课堂提问回答情况、实验性作业的结果 演示、期末考试成绩等进行评价。 2. 教学目标 2 通过课堂布置的有关实践性作业以及结合自己导师实验室的科研项目， 运用人工智能知识在解决实际问题中达成；达成情况通过平时作业、课堂提问回答情况、 实验性作业的结果演示、期末考试成绩等进行评价。 六、课程成绩评定 1. 平时成绩：包括不固定时间随堂提问，以及在课后布置与课程知识点相关的习题， 以督促学生学习为目的，并以此反映学生的学习态度及知识掌握情况。 2. 期末考试：内容涉及课程的基本理论和基本分析、设计方法，并重点突出，题型包 括选择题、填空题、问答题、简述题、应用题等。 最终成绩各部分所占比例如下（%）： 本课程成绩考核比例 考核方式 成绩比例（%） 备注 平时成绩 20-30 包含课堂互动、作业、考勤等 期末考试 70-80 闭卷或开卷 七、建议教材与主要参考书 建议教材： 张仰森. 人工智能教程（第 2 版）. 北京：高等教育出版社，2016.9 参考书： 1．张仰森. 人工智能教程学习指导与习题解析. 高等教育出版社. 2009.3 2．王万良. 人工智能通识教程. 清华大学出版社.2020.9
3．蔡自兴．人工智能及其应用．北京：清华大学出版社．2010.2八、编制与审核工作内容负责人完成时间蒋玉茹编制（任课教师）2024.07.20审核（学科、专业负张伟2024.07.31责人）批准（主管院长）刘秀磊2024.07.3116
16 3．蔡自兴. 人工智能及其应用. 北京：清华大学出版社. 2010.2 八、编制与审核 工作内容 负责人 完成时间 编制（任课教师） 蒋玉茹 2024.07.20 审核（学科、专业负 责人） 张伟 2024.07.31 批准（主管院长） 刘秀磊 2024.07.31
《自然语言处理》课程教学大纲课程名称课程编码CS504自然语言处理Natural Language英文名称考核方式口考试口考查Processing公共必修课学分2专业必修课口公共选修课课程性质口专业选修课32总学时口补修课口其他口本研一体化课程口特色课程口学科交叉融合课程口全英文授课课程0课程特点实验学时口双语授课课程口案例课程口校企联合课程口其他先修课程（已具高等数学、线性代数备知识能力）适用学科/专业计算机科学与技术，电子信息（计算机技术），电子信息（人工智能-智能计算）学位类别（领域）一、课程教学目标教学目标1：通过本课程的学习，学生将了解自然语言处理的基本原理和方法；掌握汉语语料库的加工技术，理解各种语言模型的构建方法及自然语言的计算机分析技术。教学目标2：通过本课程的学习，学生能够了解自然语言处理的典型应用领域，如文本分类、信息检索和抽取、汉语文本的自动校对及间答与对话技术等，学生能够掌握自然语言处理应用在这些领域中的基本原理与实现方法，二、课程教学内容提要与基本要求理论部分序号学时基本要求教学内容提要17
17 《自然语言处理》课程教学大纲 课程名称 自然语言处理 课程编码 CS504 英文名称 Natural Language Processing 考核方式 ☑考试 □考查 课程性质 □公共必修课 ☑专业必修课 □公共选修课 □专业选修课 □补修课 □其他_ 学分 2 总学时 32 课程特点 □本研一体化课程 □特色课程 □学科交叉融合课程 □全英文授课课程 □双语授课课程 □案例课程 □校企联合课程 □其他_ 实验学时 0 先修课程（已具 备知识能力） 高等数学、线性代数 适用学科/专业 学位类别（领域） 计算机科学与技术，电子信息（计算机技术），电子信息（人工智能-智能计算） 一、课程教学目标 教学目标 1：通过本课程的学习，学生将了解自然语言处理的基本原理和方法；掌握汉 语语料库的加工技术，理解各种语言模型的构建方法及自然语言的计算机分析技术。 教学目标 2：通过本课程的学习，学生能够了解自然语言处理的典型应用领域，如文本 分类、信息检索和抽取、汉语文本的自动校对及问答与对话技术等，学生能够掌握自然语言 处理应用在这些领域中的基本原理与实现方法。 二、课程教学内容提要与基本要求 理论部分 序号 教学内容提要 基本要求 学时
第一章绪论1.1自然语言处理的基本概念1.2自然语言的诞生及研究进理解自然语言处理的基本概念、研究进展21展、研究领域以及自然语言处理过程的1.3自然语言研究的方法及途层次。径1.4自然语言的研究领域1.5自然语言处理过程的层次理解依据词法、句法、语义三个层次的计算机自动分析方法。（1）词汇的计算机处理主要包括词汇统计和词表制定的方法；词语在语言运用第二章自然语言的计算机自中的分布分析；机器词典和词汇知识系动分析统的建造方法；现代汉语文本自动分词与标注方法。2.1词汇的计算机处理26（2）自动句法分析主要包括短语结构2.2乔姆斯基语法体系语法理论及乔姆斯基语法体系；递归转2.3自动句法分析移网络与扩充转移网络：自动句法分析算法，包括自顶向下分析法、自底向上2.4自动语义分析分析法、CYK分析法等。（3）自动语义分析主要包括义素分析法、单词的语义特征及分类；语义关系及格语法。第三章统计语言模型理解各种统计语言模型：主要包括n-gram模型及其变种；Markov模型；3.1统计语言模型概述隐Markov模型；最大炳模型；向量空3.2n-gram模型间模型；朴素贝叶斯模型；支持向量机383.3隐马尔科夫模型模型；条件随机场模型；决策树模型等以及一些基于概率分布的模型，包括互3.4向量空间模型信息模型、相关度模型等；统计语言建3.5朴素贝叶斯模型模中的平滑技术。要求实现这些语言模型。3.6最大熵模型18
18 1 第一章 绪论 1.1 自然语言处理的基本概念 1.2 自然语言的诞生及研究进 展 1.3 自然语言研究的方法及途 径 1.4 自然语言的研究领域 1.5 自然语言处理过程的层次 理解自然语言处理的基本概念、研究进 展、研究领域以及自然语言处理过程的 层次。 2 2 第二章 自然语言的计算机自 动分析 2.1 词汇的计算机处理 2.2 乔姆斯基语法体系 2.3 自动句法分析 2.4 自动语义分析 理解依据词法、句法、语义三个层次的 计算机自动分析方法。 （1）词汇的计算机处理主要包括词汇统 计和词表制定的方法；词语在语言运用 中的分布分析；机器词典和词汇知识系 统的建造方法；现代汉语文本自动分词 与标注方法。 （2）自动句法分析主要包括短语结构 语法理论及乔姆斯基语法体系；递归转 移网络与扩充转移网络；自动句法分析 算法，包括自顶向下分析法、自底向上 分析法、CYK 分析法等。 （3）自动语义分析主要包括义素分析 法、单词的语义特征及分类；语义关系 及格语法。 6 3 第三章 统计语言模型 3.1 统计语言模型概述 3.2 n-gram 模型 3.3 隐马尔科夫模型 3.4 向量空间模型 3.5 朴素贝叶斯模型 3.6 最大熵模型 理解各种统计语言模型：主要包括 n-gram 模型及其变种；Markov 模型； 隐 Markov 模型；最大熵模型；向量空 间模型；朴素贝叶斯模型；支持向量机 模型；条件随机场模型；决策树模型等 以及一些基于概率分布的模型，包括互 信息模型、相关度模型等；统计语言建 模中的平滑技术。要求实现这些语言模 型。 8