Python人工智能编程基础（微课版）【电子教案】 项目16 自然语言处理入门

序号：31章节名称项目16自然语言处理入门（一）教学课时2授课班级人工智能2501、2502授课时间授课地点教学目标知识目标理解语料库的概念、特点及在自然语言处理中的作用。掌握NLTK库中语料库读取的相关函数（如PlaintextCorpusReader的fileids()、words()等）和词频率分布函数FreqDist的使用。了解jieba包的概念、三种分词模式及基本操作函数（jieba.cut、jieba.cut_for_search）。4.掌握过滤无关分词的方法。能力目标能够使用NLTK库对语料库进行读取、显示和基本分析操作，如统计词频、查看指定单词上下文、绘制词汇离散图等。2.能够运用jieba包对文本进行分词处理，并进行无关分词的过滤。3.能独立完成类似《中国工农红军长征纪实》《七剑下天山》《三国演义》的语料库分析相关任务。素质目标培养对自然语言处理技术的兴趣和探索精神。提升在实践中运用所学知识解决实际问题的能力，养成严谨的编程习惯。3.在分析文本过程中，增强对文本背后蕴含的信息和意义的理解能力。教学内容主要内容语料库相关知识：包括语料库的定义、特点，以及NLTK库中PlaintextCorpusReader函数读取语料库的方法，如fileids()、words()、raw()、sents()等方法的使用。词频率分布：介绍NLTK中FreqDist函数的使用，用于统计文本中词的出现频率。NLTK基本操作函数：如concordance()查看单词上下文等函数的应用。案例1演练：以《中国工农红军长征纪实》为例，展示使用NLTK包进行语料库建设、检索、词频统计、分词、查看单词上下文及绘制词汇离散图的具体操作。jieba包相关知识：讲解jieba包的概念、三种分词模式（精确模式、全模式、搜索引擎模式）及jieba.cut、jieba.cut_for_search等基本操作函数。6.案例2演练：以《三国演义》为例，展示使用jieba包进行分词，以及过滤无关分词提取特定人物信息的过程。重点NLTK库的使用，包括语料库的读取、词频统计及相关函数操作。2.jieba包的分词操作，尤其是精确模式的应用。3.过滤无关分词的方法。难点对NLTK库中各种函数参数和返回值的理解及灵活运用。在实际文本处理中，准确过滤无关分词，得到所需有效信息。3.结合案例，将所学知识融会贯通，独立完成语料库分析任务。教法改革教学方法讲授法、演示法、实操法、案例分析法教学手段多媒体教学、编程环境实操、任务驱动练习教学反思作业及学习评价表学习评价表评价内容自评同桌评师评能正确定义变量与使用数据类型能熟练运用运算符与编写表达式能完成用户输入与计算任务能积极回答教师的提问能积极参与小组讨论评价指标A．优秀B.一般C.较差二、教学设计教学步骤教学内容与情境设计教师活动学生活动时间分配情境导入通过介绍小曹利用自然语言处理技术分析小说发现有趣规律的案例，激发学生对自然语言处理的兴趣，培养探索精神。【课程思政】通过学习场景激发兴趣，培养探索精神引入场景、提问、明确目标思考问题，了解任务核心5分钟知识讲解1语料库及NLTK库相关知识：讲解语料库的概念、特点，NLTK库中PlaintextCorpusReader函数读取语料库的方法，词频率分布函数FreqDist的使用，以及NLTK的基本操作函数。【课程思政】结合语料库中真实的语言材料，引导学生认识到真实数据的重要性，培养严谨对待数据的态度。PPT讲解、代码演示记录要点，观察演示15分钟知识讲解2案例1《中国工农红军长征纪实》语料库分析：详细讲解案例中语料库建设、检索、词频统计、分词、查看单词上下文及绘制词汇离散图的步骤和代码。【课程思政】在分析《中国工农红军长征纪实》文本时，渗透红色文化，培养学生的爱国情怀，同时强调编程过程中代码规范的重要性，培养严谨态度。PPT讲解、代码演示记录要点，观察演示15分钟实操演练让学生仿照案例1，对《七剑下天山》语料库进行操作，绘制七剑主人公的词汇离散图。【课程思政】锻炼动手能力，体会理论应用于实践巡回指导，解决代码问题、函数调用问题编写代码，运行调试，记录遇到的问题15分钟知识讲解3jieba包相关知识及案例2《三国演义》字符过滤分析：讲解jieba包的概念、分词模式、基本操作函数，以及案例2中使用jieba分词和过滤无关分词的方法。【课程思政】在分析《三国演义》人物时，引导学生了解历史文化，同时培养学生的逻辑思维，理解分词和过滤规则的重要性。讲解算法模型，演示表达式计算编写代码，运行调试，记录遇到的问题10分钟实操演练让学生完成案例2巩固任务，从《三国演义》中过滤提取吕布、孙权等人物信息。【课程思政】提升问题解决能力，感受编程实用性指导学生处理算法模型参数、函数导入等问题记录算法特点和评估方法，分析案例中分类结果的优劣，思考如何改进。15分钟总结与作业总结本课时的重点知识，包括NLTK库和jieba包的使用、语料库分析的基本步骤等，布置相关作业，如对一篇自选小说文本进行简单的语料库分析和分词过滤。【课程思政】强调知识巩固，培养自主学习习惯总结重点，明确作业要求回顾内容，记录作业任务5分钟序号：32章节名称项目16自然语言处理入门（二）教学课时2授课班级人工智能2501、2502授课时间授课地点教学目标知识目标理解文本特征提取的概念和常见方法，如词袋模型、TF-IDF。掌握使用scikit-learn库进行文本特征提取的相关函数（如CountVectorizer、TfidfVectorizer）。3.了解文本分类的基本原理和常见算法，如朴素贝叶斯、支持向量机。4.掌握基于特征向量进行文本分类的实现方法。能力目标能够运用scikit-learn库对文本进行特征提取，得到特征向量。2.能够使用合适的算法对文本进行分类，并评估分类效果。3.能独立完成类似案例3、案例4的文本特征提取与分类相关任务。素质目标进一步激发对自然语言处理技术的兴趣，培养创新思维。提高在实践中综合运用所学知识解决复杂问题的能力，增强团队协作意识。3.在处理文本分类任务时，培养对数据的敏感度和分析能力。教学内容主要内容文本特征提取相关知识：介绍词袋模型、TF-IDF的概念和原理，讲解scikit-learn库中CountVectorizer、TfidfVectorizer函数的使用方法。案例3演练：以某新闻数据集为例，展示使用CountVectorizer和TfidfVectorizer进行文本特征提取的具体操作，对比两种方法的结果。文本分类相关知识：讲解文本分类的基本原理，介绍朴素贝叶斯、支持向量机等常见分类算法的特点。4.案例4演练：以情感分析数据集为例，展示基于提取的特征向量使用朴素贝叶斯算法进行文本分类，并评估分类准确率、精确率、召回率等指标的过程。重点使用scikit-learn库进行文本特征提取，尤其是TF-IDF方法的应用。2.文本分类算法的选择和实现，以及分类效果的评估。难点对TF-IDF原理的理解和参数的调优。不同分类算法的适用场景及在实际任务中的选择。3.综合运用特征提取和分类算法解决实际问题。教法改革教学方法讲授法、演示法、实操法、案例分析法教学手段多媒体教学、编程环境实操、任务驱动练习教学反思作业及学习评价表学习评价表评价内容自评同桌评师评能正确定义变量与使用数据类型能熟练运用运算符与编写表达式能完成用户输入与计算任务能积极回答教师的提问能积极参与小组讨论评价指标A．优秀B.一般C.较差二、教学设计教学步骤教学内容与情境设计教师活动学生活动时间分配情境导入通过介绍自然语言处理技术在新闻分类、情感分析等实际生活中的应用案例，如智能新闻推荐、舆情监控等，让学生认识到该技术的实用价值，激发学习热情，培养应用意识。【课程思政】通过学习场景激发兴趣，培养探索精神引入场景、提问、明确目标思考问题，了解任务核心5分钟知识讲解1文本特征提取相关知识：详细讲解词袋模型、TF-IDF的概念和原理，演示scikit-learn库中CountVectorizer、TfidfVectorizer函数的使用。【课程思政】结合实际文本数据，强调数据预处理的重要性，培养学生严谨的治学态度。PPT讲解、代码演示记录要点，观察演示15分钟知识讲解2案例3演练：以某新闻数据集为例，讲解使用CountVectorizer和TfidfVectorizer进行特征提取的具体步骤和代码。【课程思政】在分析新闻数据时，引导学生关注新闻的真实性和客观性，培养正确的信息价值观，同时强调代码复用和优化的重要性。PPT讲解、代码演示记录要点，观察演示15分钟实操演练让学生分组对另一组新闻文本进行特征提取，比较不同组的结果。【课程思政】锻炼动手能力，体会理论应用于实践巡回指导，解决代码问题、函数调用问题编写代码，运行调试，记录遇到的问题15分钟知识讲解3文本分类相关知识及案例4演练：讲解文本分类的基本原理和常见算法，以情感分析数据集为例，演示使用朴素贝叶斯算法进行分类及评估的过程。【课程思政】在情感分析任务中，引导学生理解情感表达的多样性和复杂性，培养同理心，同时培养学生对算法结果的批判性思维。讲解算法模型，演示表达式计算编写代码，运行调试，记录遇到的问题10分钟实操演练让学生使用案例4的数据集，尝试用支持向量机算法进行分类，并与朴素贝叶斯算法