Practical Natural Language Processing

本書採用創新且實用的教學策略，巧妙融合理論基礎與實踐應用，深入剖析自然語言處理(Natural Language Processing，NLP)領域的新進展，以及大語言模型(Large Language Model，LLM)的原理。書中不僅系統闡述了?LLM?的理論基礎，還通過實際項目案例展示了如何將這些模型應用於構建RAG系統。本書遵循由淺入深的路徑，從LLM的基礎知識入手，詳細闡釋了模型的訓練流程，並深入探討了如何利用提示技術與模型進行高效交互。書中還重點介紹了兩個在業界得到廣泛認可的框架—LlamaIndex和LangChain，它們是開發RAG應用的強大工具。書中的項目案例不僅為讀者提供了寶貴的實踐經驗，也能夠加深讀者對相關概念的理解和應用。此外，書中進一步探討了包括智能體和微調在內的高級技術，這些技術能夠顯著提升問答系統的性能。

這是一本自然語言處理理論和實踐完美結合的教材。讀者在瞭解自然語言處理全貌的同時，可以根據本書的一些實踐案例快速上手並應用於自己的項目中。作者結合自己的實踐經驗，重點介紹了真實場景下快速構建一些自然語言處理項目所需的技能，並提供了一些工具推薦或算法實現。本書著眼于實際應用場景，主要介紹了分詞、詞性標注和名實體識別、句法分析等基本技術，並通過剖析近年來在自然語言處理領域大放光彩的深度學習技術，力求快速

我們進入了大數據時代（big data era），我國的中文信息處理有了長足的進步，除了傳統的基於規則的中文信息處理之外，在基於統計的中文信息處理、基於神經網絡的中文信息處理以及知識圖譜等方面也取得了顯著的成績。我國的中文信息處理成為了全世界自然語言處理（Natural Language Processing，NLP）的不可分割的組成部分，在全世界自然語言處理的頂級會議中，我國學者都是積極的參與者或會議的組織者。作為《中文信息處理與漢語研究》的姐妹篇，《大數據時代的自然語言處理》結合中文信息處理的實踐，分為四個章節，除了第一章的概述之外，後面三個章節分別介紹了大數據時代的統計機器翻譯、神經網絡模型和神經機器翻譯、知識圖譜等內容。最近，我國正在現有傳統文科的基礎上，進行學科中專業課程的重組，建設文文交叉、文理交叉的“新文科”。中文信息處理把現代信息技術融入到語言學中，是文理交叉的新文科建設的最佳範例，希望本書的出版，能為我國新文科的建設助一臂之力。

《語法學習手冊》嚴格依據教育bu和國家語委聯合發布的《國際中文教育中文水平等級標準》“附錄A（規範性）語法等級大綱”（以下簡稱“語法等級大綱”）進行編寫，是面向中文學習者的應用型學習手冊。本書遵循“以學習者為中心”的教育理念，倡導語法自然習得。《語法學習手冊》分初等、中等、高等三個分冊，分別對應“語法等級大綱”初等、中等和高等的語法點。書中對“語法等級大綱”的語法點進行了拆分或合並，圍繞“基本語義及用法”“典型例句和對話”“補充例句”“結構特點”“小提示”等幾個維度對每個語法點進行詳細說明。本書從教學實際出發，力求為國際中文語法學習與教學提供一定的參照與支持。本書為高等分冊，對高等水平學習者的語法學習提供參考。Grammar Learning Manual, a practical learning manual for students of Chinese language, is compiled in strict accordance with the “Appendix A (Normative Grammar Grading Outline)” (hereinafter referred to as “Grammar Grading Outline”) of Chinese Proficiency Grading Standards for International Chinese Language Education, which is jointly issued by the Ministry of Education and the State Language Commission. This book observes the “student-centered” education idea, and advocates the natural acquisition of grammar. Grammar Learning Manualis divided into the elementary, intermediate and advanced levels, respectively corresponding to the grammar points in the “Grammar Grading Outline”. In

本書重點介紹了神經網絡模型在自然語言處理中的應用。首先介紹有監督的機器學習和前饋神經網絡的基本知識，如何將機器學習方法應用在自然語言處理中，以及詞向量表示（而不是符號表示）的應用。然後介紹更多專門的神經網絡結構，包括一維卷積神經網絡、循環神經網絡、條件生成模型和基於注意力的模型。後，討論樹形網絡、結構化預測以及多任務學習的前景。

人工智能作為國家產業轉型升級的重點領域，需要高層次技術技能人才。教育部增設人工智能技術應用、人工智能工程技術等專業，旨在培養理想信念堅定、德智體美勞全面發展、具有較高的科學文化水平、良好的人文素養、職業道德和精益求精工匠精神、掌握較為系統的基礎理論知識和技術技能、有較強的就業能力和可持續發展能力的人才。本書的編寫正是基於這樣一個人才培養目標，從技能出發、以技術為基礎、重在應用。本書共12個單元，主要內容：緒論、分詞和字典、數據預處理、語言模型和算法流程、感知機、條件隨機場、命名實體識別、信息抽取、文本聚類、文本分類、依存句法分析和深度學習與自然語言處理，每個單元包括若干個應用實踐。自然語言處理(Natural Language Processing，NLP)是計算機科學領域與人工智能領域中的一個重要方向，它研究能夠實現人與計算機之間用自然語言進行有效通信的各種理論和方法，涉及所有用計算機對自然語言進行的操作，是人工智能技術技能人才必須掌握的內容。本書適合高等職業院校、應用型本科院校作為自然語言處理課程的教學與實訓教材，也可供人工智能從業者作為理論與實踐結合的參考書。