必修课-自然语言处理实验 课程大纲

《自然语言处理实验》课程大纲课程信息课程名称：自然语言处理实验（NaturalLanguageProcessingExperiments）课程代码：CST0331课程性质：选修、实验课学时学分：16学时/1学分开课学期：6适用专业：计算机科学与技术、数据科学与大数据技术、智能科学与技术先修课程：线性代数（或矩阵论）、概率论与数理统计、微积分、Ｃ语言程序设计（或python/java/c++任何一种编程语言）、算法设计与分析后续课程：智能科学综合实践课程简介本课程是配合“自然语言处理”课程理论教学独立开设的实验课。目的在于通过系列实验，帮助学生了解华为云ModelArt平台和国产人工智能平台MindSpore框架，引导学生自主实现基于LSTM+CRF的序列标注模型，用于分词与命名实体识别任务，同时鼓励学生了解命名实体识别前沿论文，并利用MindSpore框架复现，为设计规模更大、功能更复杂的人工智能系统奠定基础。课程目标目标1：熟悉主流人工智能模型的功能、特点及实现方法，具有根据设计任务需求，进行多种模型方法、工具、环境的比较、评价和选择的能力。目标2：能实现LSTM、CRF等模型算法，设计满足特定要求的模型功能部件和简单人工智能系统；课程目标对毕业要求的支撑关系课程目标支撑的毕业要求二级指标点课程目标15.2能够根据解决计算机复杂工程问题的实际需要，开发、选用恰当的仪器、信息资源、工程工具、模拟软件等对具体对象进行模拟、预测、分析或设计，并能分析其局限性。课程目标23.1掌握与智能科学与技术领域复杂工程问题有关的工程设计和软硬件产品开发全周期、全流程的基本设计/开发方法和技术，了解影响设计目标和技术方案的多种因素。实验内容及对课程目标的支持序号教学内容教学要求教学方式课程目标1中文分词的方法研究与实现（4学时）理解序列标注理论基础与数学推导。理解不同中文分词算法思想，如基于词典方法，基于统计概率方法以及基于深度学习方法等。教师演示学生实验实验验收实验报告目标1目标22词性标注/命名实体识别方法研究与实现（4学时）理解序列标注问题/条件随机场理论基础与数学推导。理解不同词性标注/命名实体识别算法思想，如隐马尔科夫模型等。教师演示学生实验实验验收实验报告目标1目标2教与学教学方法主要的教学环节包括讲解实验要求和重难点，学生实验，过程辅导，验收问答，实验报告批阅等阶段。本课程的教学设计特色主要体现在如下三个方面：1）问题引导的教学方法。精心设计实验对象与实验目的，通过实验任务布置环节的讲授，围绕课程教学的重难点，向学生明确实验要求，引导同学深入思考，加深所学重、难点知识的理解和应用。2）强调理论与实践相结合，强化创新思维。该实验课程的实验内容与理论课程教学进度同步，通过实验加深对所学理论知识的理解，提升学生应用理论知识解决实际问题的能力,通过实验也可以引导学生进一步深入探究，充分发挥理论知识，进行思考与创新。3）强调过程管理，设计多个实验任务节点，方便学生分级通过完成试验任务，及时反馈实验效果。学习方法自然语言处理实践课程需要学生独立完成课程配套开设的实验，通过实验，加强对课程理论知识的理解，使学生真正做到理论与实际相结合，能够将所学的相关理论知识与真实应用下的场景落地相结合，通过实践项目引导学生进一步深入探究，鼓励积极思考与创新，培养学生实际分析问题、解决问题的能力。思政元素通过功能、性能、规范性等方面的考核，培养学生的工匠精神、科学精神和勇于挑战，善于创新的精神。课程评价课程成绩构成课程最终成绩各课程目标成绩组合而成，包括实验完成情况和实验报告两部分组成，各部分的比例如表1所示。表1课程考核与成绩评定课程目标占比考核与评价方式130%通过实验平台的应用来考核，见表2270%通过实验完成情况考核，标准见表3考核与评价标准表2课程目标1评定标准等级评定标准优秀（90-100）熟练使用华为云ModelArts平台以及人工智能框架MindSpore完成实验任务，所设计模型规范、功能完整，对平台、环境及模型的优点和局限性有准确、全面认识，论述充分、层次分明。良好（75-89）正确使用华为云ModelArts平台以及人工智能框架MindSpore完成实验所设计的模型完整，对平台、环境及模型的优点和局限性有正确认识。论述充分、有层次。中（60-74）能使用华为云ModelArts平台以及人工智能框架MindSpore完成部分实验，对平台、环境及模型的优点和局限性有基本的认识。不及格（0-59）华为云ModelArts平台以及人工智能框架MindSpore使用不熟练，对平台、环境及模型的优点和局限性缺乏基本认知。表3课程目标2评定标准等级评定标准优秀（90-100）模型设计方案合理，模型性能优秀，具有一定的创新性，能在规定的时间内高效、完成全部实验任务，现场验收演示效果好。良好（75-89）模型设计方案合理，模型性能良好，能在规定时间内完成实验任务，能演示所完成实验的效果。中（60-74）模型设计方案较合理，模型性能一般，能在规定时间内完成部分实验，所完成的实验能正确演示。不及格（0-59）未能完成中文分词和命名实体识别实验。教材与参考文献郑捷.NLP汉语自然语言处理原理与实践.电子工业出版社,2017.宗成庆.统计自然语言处理.清华大学出版社,2013.JurafskyD,MartinJH,冯志伟,等.自然语言处理综论.2005.课程资料与链接中文自然语言处理套件：:10001/人机对话平台：基于GPT2.0版本/；基于GPT3.0+版本：/华为云ModelArts实验平台：/product/modelarts.html

自然语言处理技术课程组2024年7月修订

附表1：实验课程实验项目教学方案（课程设计无需填写）项目编号实验项目名称对应课程名称及代码学时实验类型实验内容提要实验场所实验分组情况实验仪器设备及台套数修读要求（必修/选修）中文分词的方法研究与实现