自然语言处理是语言学、计算机科学、人工智能及信息处理等领域的一个分支，利用计算机来理解和生成自然语言，在计算机技术的支持下对语言信息进行定量化的研究。本书重点介绍了自然语言处理的基本问题、自动文本分类与聚类、信息检索与查询、网络文本细粒度情感分类研究、自动文本摘要、人机交互技术以及自动问答系统等，这些内容既有数学理论模型又有实验论证，从理论到实践，深入浅出、结构完整、层次分明、条理清楚，概念阐述明确、公式推导简明扼要，易于理解、便于教学和自学。

本书可作为中文信息处理专业、计算语言学专业以及相关专业高年级本科生、研究生的教学参考书，也可供从事自然语言处理、计算机信息处理以及人工智能相关工作的科研人员参考使用。

前辅文
第一章 概论
  1.1 自然语言处理研究的意义、历史与现状
   1.1.1 自然语言的特点及研究意义
   1.1.2 自然语言处理研究的历史与现状
  1.2 自然语言处理的方法、特点与规律
   1.2.1 理性主义与经验主义
   1.2.2 语料库语言学——经验主义研究方法的代表
   1.2.3 汉语语言处理的方法
   1.2.4 基于知识图谱的深度学习
  1.3 基于语言认知神经机制的类脑计算
   1.3.1 类脑计算面临的问题
   1.3.2 基于认知神经机制的类脑计算
  1.4 本书的主要内容
  思考题
  参考文献
第二章 自然语言处理的基本问题
  2.1 中文自动分词
   2.1.1 关键问题
   2.1.2 中文分词方法
   2.1.3 相关分词工具介绍
   2.1.4 分词系统简易评价
  2.2 中文文本自动标注
   2.2.1 中文词性自动标注的基本方法
   2.2.2 基于深度学习的词性标注方法
   2.2.3 中文文本语义标注
  2.3 句法分析
   2.3.1 句法分析的作用、理论与方法
   2.3.2 中文句法分析的特殊性与困难
   2.3.3 基于深度学习的句法分析方法
   2.3.4 自然语言处理通用模块的设计与实现案例
  2.4 语料库处理
   2.4.1 语料库语言学
   2.4.2 语料库的发展
   2.4.3 汉语语料库概率统计及平滑算法
   2.4.4 语料库处理实例——对话口语语料库特征提取和形式化表达
  2.5 小结
  思考题
  参考文献
第三章 自动文本分类与聚类
  3.1 基本概念
   3.1.1 文本分类中的关键词、关键句提取
   3.1.2 命名实体识别
   3.1.3 文本聚类
   3.1.4 文本分类
   3.1.5 半监督的聚类与分类
   3.1.6 情感分类
   3.1.7 基于模糊理论及层次组织的分类
  3.2 基于粗糙集理论的中文文本自动分类
   3.2.1 常用的分类模型
   3.2.2 评估方法
   3.2.3 现有自动分类模型存在的问题及改进
   3.2.4 自动分类功能的设计与实现
  3.3 基于概念抽取和联合加权的中文文本分类
   3.3.1 基于屏蔽层的概念及原词混合特征的选择
   3.3.2 概念特征选择的研究
   3.3.3 基于联合加权的特征选择算法
   3.3.4 基于SVM的自动分类方法
   3.3.5 文本分类系统模块介绍
  3.4 基于反馈学习的文本分类系统
   3.4.1 学习思想与文本分类
   3.4.2 系统设计与实现
  3.5 基于Boosting算法的多标签中文文本分类
   3.5.1 关于文本分类的若干问题
   3.5.2 Boosting算法原理
   3.5.3 系统设计
  3.6 小结
  思考题
  参考文献
第四章 信息检索与查询
  4.1 信息检索的基本概念
   4.1.1 信息检索流程
   4.1.2 跨语言信息检索
   4.1.3 语义检索
   4.1.4 机器学习用于信息检索
   4.1.5 以用户为中心的信息检索
   4.1.6 扩展查询
  4.2 常用检索模型
   4.2.1 布尔模型
   4.2.2 概率模型
   4.2.3 向量空间模型
   4.2.4 扩展的布尔模型
   4.2.5 其他模型
  4.3 基于TF-IQF模型和流行因子的中文查询推荐技术研究
   4.3.1 查询推荐系统
   4.3.2 基于TF-IQF模型和流行因子的查询推荐研究
   4.3.3 基于中文查询日志的实验
   4.3.4 基于查询推荐系统的应用研究
  4.4 Rough集理论在信息检索中的应用
   4.4.1 Rough集理论用于分类与检索
   4.4.2 等价关系与容差关系
   4.4.3 检索具体步骤
  4.5 面向信息检索的词汇分布聚类
   4.5.1 信息检索与词汇分布聚类
   4.5.2 词汇获取在邮件分类中的应用
   4.5.3 基于频繁项挖掘的词汇获取
  4.6 小结
  思考题
  参考文献
第五章 网络文本的细粒度情感分类研究
  5.1 网络文本细粒度情感分类研究综述
   5.1.1 研究背景与意义
   5.1.2 研究现状综述
  5.2 面向社交网络文本的多标签情绪分类研究
   5.2.1 概述
   5.2.2 相关工作
   5.2.3 基于图卷积网络的多标签情绪分类模型
   5.2.4 实验验证与结果分析
  5.3 新冠疫苗推特文本的情感分类研究应用
   5.3.1 背景与意义
   5.3.2 相关工作
   5.3.3 实验方法
   5.3.4 结果与分析
  5.4 一种多语言视角下的情绪识别方法
   5.4.1 引言
   5.4.2 方法介绍
   5.4.3 实验与结果
  5.5 小结
  思考题
  参考文献
第六章 自动文本摘要
  6.1 概述
   6.1.1 关键词提取
   6.1.2 自动文本摘要的类别
  6.2 自动文本摘要的研究进展
   6.2.1 基于抽取式的自动文本摘要
   6.2.2 基于无监督的自动文本摘要
   6.2.3 基于小说、新闻和读者需求的自动文本摘要
   6.2.4 基于树状和层次结构的文本摘要
   6.2.5 基于特定领域和心理学特征的自动文本摘要
   6.2.6 基于深度学习的文本摘要
   6.2.7 文本摘要的评价
  6.3 深度学习神经网络的研究简述
   6.3.1 卷积神经网络模型
   6.3.2 长短期记忆模型
   6.3.3 词嵌入与预训练语言模型
  6.4 小结
  思考题
  参考文献
第七章 人机交互技术
  7.1 引言
   7.1.1 人机交互系统的定义
   7.1.2 人机对话系统的意义
   7.1.3 人机对话系统的研究内容
  7.2 语音识别概况
   7.2.1 自动语音识别
   7.2.2 含噪语音识别
   7.2.3 语音情感识别
   7.2.4 儿童语音、老年语音和非母语的适应性语音识别
   7.2.5 儿童语音和老年语音的语音处理
   7.2.6 基于深度神经网络的语音识别
  7.3 汉语语音理解
   7.3.1 人的自然语言理解过程
   7.3.2 闭环反馈结构的语言理解模型
   7.3.3 闭环信息反馈语音识别理解的实现
  7.4 语音合成
   7.4.1 语音合成概况
   7.4.2 基于深度学习的语音合成
   7.4.3 基于情感韵律的语音合成
  7.5 人机对话系统的研究
   7.5.1 对话系统的研究概况
   7.5.2 基于规则的句法分析理论
   7.5.3 鲁棒的口语分析器
   7.5.4 对话系统中的语义分析
   7.5.5 话语分析与对话管理
  7.6 人机交互系统
   7.6.1 基于视听觉多媒体的人机交互
   7.6.2 车载人机交互
   7.6.3 基于手势识别的人机交互
   7.6.4 对话机器人——以微软小冰为例
   7.6.5 聊天机器人ChatGPT
  7.7 小结
  思考题
  参考文献
第八章 自动问答系统
  8.1 问答系统的研究范式
   8.1.1 问答系统的基本框架
   8.1.2 问答系统分类
   8.1.3 问答系统的评价方式
  8.2 典型问答系统模型
   8.2.1 基于信息检索的问答系统
   8.2.2 基于社区的问答系统
   8.2.3 基于知识库的问答系统
   8.2.4 中文问答系统构建实例——基于句法分析和机器学习的中文自动问答系统
  8.3 问答系统的问题与发展方向
   8.3.1 问答系统领域面临的挑战
   8.3.2 未来发展方向
  8.4 小结
  思考题
  参考文献
  附录8A 汉语文本词性标注标记表
术语表