Python中文自然语言处理基础与实战（第2版）（微课版）-教学进度表

学院课程教学进度计划表（20～20学年第二学期） 课程名称Python中文自然语言处理基础与实战 授课学时64 参与教学教师 授课班级/人数 专业（教研室） 填表时间教务处编印年月一、课程教学目标总体目标本课程采用"四阶段递进式"教学模式，通过基础入门→核心技术→高级应用→前沿技术的学习路径，培养学生成为具备中文自然语言处理核心技能的复合型人才。课程以项目驱动教学，每个阶段配备相应的实战项目，确保学生能够将理论知识转化为实际应用能力。核心能力培养技术能力培养：掌握Python中文NLP全栈技术，具备独立开发NLP应用的能力实践项目驱动：完成6个递进式项目，从基础工具到智能系统的全面实战前沿技术跟踪：接触大语言模型等前沿技术，紧跟行业发展趋势分阶段学习目标第一阶段：基础入门（第1-4周）环境配置与工具使用：熟练配置PythonNLP开发环境，掌握Anaconda、Jupyter等工具语料库构建技能：学会网络爬虫、数据清洗、语料标注等基础技能正则表达式应用：掌握文本预处理、信息提取的核心技术实战项目：完成语料库构建项目和信息提取工具开发第二阶段：核心技术（第5-10周）分词与标注技术：掌握HMM、CRF等核心算法，实现高精度分词标注系统关键词提取算法：熟练运用TF-IDF、TextRank、LDA等算法文本向量化技术：深入理解Word2Vec、Doc2Vec模型原理与应用实战项目：开发多算法分词工具和关键词提取系统第三阶段：高级应用（第11-14周）文本挖掘技术：掌握文本分类、聚类、情感分析等高级应用深度学习方法：理解RNN、LSTM、Seq2Seq等神经网络模型模型优化调参：学会超参数调优、模型评估与选择实战项目：完成情感分析系统和深度学习文本分类项目第四阶段：前沿技术（第15-17周）智能问答系统：掌握检索式和生成式问答系统设计原理大语言模型应用：学会调用和应用中文大模型APIPrompt工程技巧：掌握提示词设计和模型调优技术综合项目：开发完整的智能问答或写作助手系统职业能力目标算法工程师能力：具备设计和优化NLP算法的能力，能够根据业务需求选择合适的技术方案产品开发能力：能够独立完成从需求分析到系统部署的完整NLP产品开发流程技术创新能力：具备跟踪前沿技术、持续学习的能力，为未来研究生学习或工作打下坚实基础团队协作能力：通过项目合作培养沟通协调、文档撰写、技术分享等软技能二、教学方法与实施策略创新教学模式：PIDC四维教学法Project-Driven（项目驱动）：6个递进式项目贯穿整个课程，从简单工具到复杂系统InteractiveLearning（互动学习）：课堂讨论、代码审查、同伴评议等多种互动形式DeepThinking（深度思考）：算法对比分析、方法优缺点评估、创新应用设计ContinuousPractice（持续实践）：每周编程作业、阶段性项目、期末综合应用分层次教学策略理论教学（概念引导式）案例导入：每个新概念都从实际应用案例开始，如"微博情感分析如何影响股价预测"原理透析：通过可视化图表、动画演示等方式深入浅出地解释算法原理对比分析：横向比较不同算法的优缺点，培养学生的批判性思维前沿追踪：介绍最新技术发展，如GPT、BERT等模型的演进历程实践教学（技能导向式）渐进式编程：从简单的函数实现到完整系统开发，逐步提升编程复杂度多平台实践：结合JupyterNotebook、PyCharm、TipDM等多种开发环境真实数据应用：使用企业级数据集，模拟真实工作场景性能调优训练：通过参数调整、模型优化等提升系统性能协作学习（团队合作式）小组项目开发：3-4人小组完成大型项目，培养团队协作能力代码评审机制：学生互相评审代码，提升代码质量和规范意识技术分享会：学生轮流分享项目经验和技术心得答疑互助：建立学习小组，鼓励学生互相帮助解决问题教学资源与技术支持硬件资源：提供GPU服务器支持深度学习模型训练，确保实验教学效果软件环境：统一配置Anaconda环境，提供常用NLP库和工具包数据资源：建立涵盖新闻、评论、社交媒体等多领域的中文语料库在线平台：利用JupyterHub、GitHub等工具实现代码管理和作业提交企业合作：邀请行业专家开展讲座，提供实习和就业机会三、课程考核与评价体系综合评价模式：多维度全过程考核本课程突破传统的"一考定成绩"模式，建立多元化、过程性、能力导向的评价体系，全面评估学生的理论掌握、实践能力和创新思维。评价维度权重占比评价内容评价方式评价频次平时作业15%每周编程练习、算法实现、理论分析在线提交+自动评测每周1次实验项目25%6个阶段性项目的完成质量与创新程度项目报告+代码审查+现场演示每4-6周1次课堂表现10%出勤率、讨论参与、互动质量过程性观察+同伴评价每次课期末考核50%综合理论知识+项目答辩开卷考试(30%)+项目答辩(20%)期末1次各项考核详细说明平时作业(15%)理论作业：选择题、简答题、算法分析题，巩固基础知识编程作业：函数实现、算法优化、性能测试，提升编程能力调研作业：技术调研、方法对比、应用案例分析，拓展视野评分标准：准确性(40%)+完整性(30%)+及时性(20%)+创新性(10%)实验项目(25%)项目一：语料库构建与管理系统项目二：多功能信息提取工具项目三：智能中文分词系统项目四：多算法关键词提取平台项目五：情感分析与文本分类系统项目六：智能问答或写作助手（期末项目）评分维度：功能完整性(30%)+代码质量(25%)+创新性(20%)+文档完善度(15%)+演示效果(10%)课堂表现(10%)出勤考核：出勤率、迟到早退情况参与度评价：课堂讨论发言次数和质量互动表现：提问质量、回答问题准确性协作能力：小组合作中的贡献度和配合度期末考核(50%)理论考试(30%)：采用开卷考试形式，允许查阅资料和使用工具基础理论(30%)：概念理解、算法原理、方法对比技术应用(40%)：代码分析、算法设计、问题解决综合分析(30%)：案例分析、系统设计、创新应用项目答辩(20%)：期末项目展示：系统演示、功能介绍、技术说明技术问答：算法原理、实现细节、优化方案创新评价：技术创新点、应用价值、发展前景特色评价机制成长档案记录：跟踪学生整个学习过程，记录技能提升轨迹同伴互评机制：学生互相评价项目和代码，培养协作精神企业导师评价：邀请行业专家参与项目评审，提供专业建议创新加分政策：鼓励学生参与竞赛、发表论文、开源贡献等补救机制：为学习困难学生提供额外辅导和补考机会《Python中文自然语言处理基础与实战》教学日历课程性质：专业选修课总学时：64学时学分：4学分教材：肖刚，张良均．Python中文自然语言处理入门与实战（第二版）．北京：人民邮电出版社．2025第一阶段：基础入门（第1-4周，16学时）课次学时课型授课内容作业要求评估方式12理论第1章绪论

•NLP概述与发展历程

•中文NLP特点与挑战

•开发环境介绍完成课后习题1-5题

调研3个NLP应用实例课堂测试22理实环境配置实战

•Anaconda安装与配置

•Python环境设置

•词云图制作入门生成3个不同主题的词云图

提交环境配置截图实验报告32理论第2章语料库基础

•语料库概念与分类

•语料库构建原则

•常用中文语料库介绍完成课后习题1-5题

调研并比较2个开源语料库课堂讨论42理实+实践语料获取实践

•网络爬虫基础

•语料清洗方法

•在线语料获取爬取指定网站文本数据

形成标准格式语料代码审查52实践语料库构建项目

•电影评论语料分析

•语料标注与管理

•数据质量评估项目一：构建新闻语料库

（≥100篇，含分类标签）项目展示62理论第3章正则表达式

•正则表达式语法规则

•Pythonre模块详解

•常用模式与技巧完成课后习题1-8题

总结10个常用正则模式在线测试72理实+实践正则实践应用

•文本清洗与预处理

•信息提取技术

•模式匹配优化设计8个验证模式

（邮箱、电话、身份证等）代码测试82实践信息提取综合实战

•简历信息提取器

•文本格式化处理

•提取准确率评估项目二：开发信息提取工具

支持多种数据格式功能演示第二阶段：核心技术（第5-10周，24学时）课次学时课型授课内容作业要求评估方式92理论第4章中文分词基础

•中文分词原理与难点

•基于规则的分词方法

•基于统计的分词算法完成课后理论题

分析3种分词方法优缺点期中测试102理实+实践分词算法实现

•HMM模型原理与实现

•维特比算法详解

•分词效果评估实现简单HMM分词器

对比不同算法效果算法实现112实践jieba分词深入应用

•jieba库高级功能

•自定义词典构建

•分词系统优化项目三：多算法分词工具

支持用户词典扩展系统测试122理论第5章词性标注与NER

•词性标注体系与方法

•命名实体识别原理

•CRF模型基础完成课后习题

整理中文词性标注规范课堂讨论132理实+实践标注技术实践

•jieba词性标注应用

•HMM标注实现

•标注准确率评估实现HMM词性标注器

评估标注效果实验报告142实践NER系统构建

•CRF特征工程

•命名实体识别实践

•实体链接技术扩展CRF特征集

提升NERF1值≥85%性能评估152理论第6章关键词提取

•TF-IDF算法原理

•TextRank图模型

•评估指标与方法完成课后习题1-5题

对比分析两种算法差异理论考核162理实+实践统计方法实践

•TF-IDF算法实现

•LSA与LDA主题模型

•语义关键词提取实现TF-IDF提取器

比较LSA和LDA效果算法对比172实践图模型算法应用

•TextRank算法实现

•图构建策略优化

•关键词质量评估项目四：多算法关键词提取

支持不同领域文本项目答辩182理论第7章文本向量化

•词向量模型发展历程

•Word2Vec原理详解

•CBOWvsSkip-Gram完成课后理论与实践题

分析两种模型结构差异概念理解192理实+实践词向量模型训练

•Word2Vec模型训练

•词向量质量评估

•词汇相似度计算训练领域词向量模型

验证词向量质量模型评估202实践文档向量化实现

•Doc2Vec模型应用

•DMvsDBOW比较

•文本相似度计算实现文档相似度系统

对比不同向量化方法系统演示第三阶段：高级应用（第11-14周，16学时）课次学时课型授课内容作业要求评估方式212理论第8章文本分类与聚类

•文本挖掘概述

•分类算法比较

•聚类算法原理完成课后习题1-5题

分析三种分类算法特点算法分析222实践分类聚类项目实战

•垃圾短信分类

•新闻文本聚类

•模型性能优化多算法分类对比实验

K-means参数调优实验对比232理论第9章文本情感分析

•情感分析概述与分类

•词典方法vs机器学习

•深度学习情感分析完成课后习题1-5题

对比三种方法优缺点方法比较242实践情感分析系统开发

•基于词典的情感分析

•机器学习情感分类

•跨域情感分析项目五：多方法情感分析

在不同数据集上测试项目评估252理论第10章深度学习基础

•RNN网络结构

•LSTM与GRU对比

•Seq2Seq模型架构完成课后习题1-5题

绘制LSTM网络结构图结构理解262理实+实践深度学习框架应用

•TensorFlow/PyTorch入门

•LSTM文本分类

•注意力机制实现调整LSTM超参数

比较不同配置效果参数调优272实践深度学习综合实战

•LSTM情感分析

•Seq2Seq机器翻译

•GRU性能对比实现GRU模型

与LSTM性能对比分析模型对比282理论第11章智能问答系统

•问答系统架构设计

•检索式vs生成式

•多轮对话管理设计问答系统架构

分析核心技术组件架构设计第四阶段：前沿技术（第14-17周，8学时）课次学时课型授课内容作业要求评估方式292实践问答系统开发实战

•数据预