0923S06014-自然语言处理与知识图谱应用.docxVIP

PAGE3

ADDINCNKISM.UserStyle《自然语言处理与知识图谱应用》课程教学大纲

（理论课程·2023版）

一、课程基本信息

课程号

0923S06014

开课单位

数信学院

课程名称

（中文）自然语言处理与知识图谱应用

（英文）ApplicationsofNaturalLanguageProcessingandKnowledgeGraph

课程性质

选修

考核类型

考试

课程学分

3

课程学时

51

课程类别

专业拓展课（学术研究方向）

先修课程

程序设计基础、数据库原理、Python程序设计

适用专业（类）

数据科学与大数据技术

二、课程描述及目标

（一）课程简介

《自然语言处理与知识图谱应用》课程是本专业（类）的一门专业拓展课程，是计算机科学领域以及人工智能领域的一个重要的研究方向，它研究用计算机来处理、理解以及运用人类语言(如中文、英文等)，达到人与计算机之间进行有效通讯。课程主要包括自然语言处理和知识图谱两个部分，前者作为后者的基础，主要介绍分词、词性标注、命名实体识别、句法分析、指代消解、情感分析及问答系统，后者则在自然语言处理的基础之上处理语义中包含的知识，主要介绍实体消歧、关系抽取、事件抽取、知识存储与检索等。

旨在通过理论教学与实践操作训练，使学生掌握自然语言处理中的基本概念和常用技术工具，了解NLP中常见的计算模型和算法，具备使用NLP工具及其基本算法处理问题的能力；掌握知识图谱的相关知识体系和处理方法，了解知识检索与存储的机制和方法，具备使用相关数据库和工具的能力。

（二）教学目标

通过本课程，学生将掌握自然语言处理技术的发展历程、现状、技术体系、开发环境等内容，学会使用NLP相关工具和算法，理解知识图谱与NLP间的联系与发展，对基于深度学习的NLP技术有一个初步的认知和一般性的了解，掌握机器学习在自然语言处理和知识图谱中的应用技巧。

课程目标1：通过教师课堂讲授，学生课后复习，掌握有关自然语言处理的基本概念、主要问题与任务、相关机器学习算法的原理与使用、常用技术与工具的选择和应用；

课程目标2：通过教师课堂讲授，学生课后复习，掌握有关知识图谱技术的基本概念、主要问题与任务、相关机器学习算法的原理与使用、常用技术与工具的选择和应用；

课程目标3：深入理解自然语言处理与知识图谱技术间的关联关系，具备使用已知的方法与常见的处理工具来解决实际问题的能力。

三、课程目标对毕业要求的支撑关系

毕业要求指标点

课程目标

权重

1-1：具有扎实的程序设计基础，具有良好的抽象思维、逻辑思维能力，具有良好的数学表达能力，掌握语言与语义计算学的基本理论和方法，具有良好的科学素质，了解科学研究过程和方法；

课程目标1

0.4

2-3：具有较强的创新意识和批判意识，善于发现、提出问题，有意识涉猎相关学科的基本知识，掌握知识图谱与知识工程的基本理论和方法，；

课程目标2

0.4

3-1：具有文献检索、分析、整理归纳的能力，熟悉预研报告、可行性分析报告、研究方案设计、实验报告及论文撰写规范，能够针对复杂工程问题，开发、选择与使用适当的技术、资源、开发工具等。

课程目标3

0.2

四、教学方式与方法

课堂讲授与课下实例作业相结合。

首先，本课程属于专业课程，需要具备一定的相关编程技术和统计知识储备，因此在讲授相关概念和知识时需要与之前的相关基础课程进行呼应；其次，本课程偏向学术研究，与相关技术前沿的发展分不开，因此需要指导学生阅读相关技术文献或论文资料，以便理解和复习课堂讲授的内容；最后，本课程的很多内容与实际问题密切相关，每章节都会有实例讲解，需要课后作业中的实际应用实践作为补充来帮助学生理解和运用所学知识。

五、教学重点与难点

（一）教学重点

NLP中的研究任务、常用术语、技术发展和应用；中文分词技术的分类、常用分词方法和常用工具；词性标注的常用方法；命名实体识别模型及训练；关键词提取常用方法与原理；句法分析原理及常用数据集；文本的向量化表示及相关模型；情感分析中的分类与模型；NLP中的深度学习方法简介。

知识图谱中的相关概念及项目；知识表示的一般方法和框架；图数据的存储原理和相关开源工具；如何从结构化、半结构化和无结构的数据中抽取知识；知识融合的问题、概念及相应的融合方法；知识推理的发展及相应的技术；基于知识的问答系统及其应用。

（二）教学难点

NLP：中文分词的原理与方法；词性标注在命名实体识别中的作用；命名实体识别的常用方法及其原理；句法分析原理及方法设计；文本的向量模型理解与使用；深度学习在NLP任务中的使用。

KG：RDF的概念与理解；知识表示框架设计；知识存储原理与技术；知识融合的问题层次；知识抽取中的关系抽取；知识推理中的不同解决方案；知识检索与知识问答设计。

六、教学内容、