第1章绪论 11语言智能处理简介 12人工智能与语言智能处理 13基于神经网络的自然语言处理 14语言智能处理的应用 15本书的组织结构 第2章语言模型与知识表示 21语言模型 211概述 212n-gram语言模型 213估计 214评价指标 215数据稀疏与齐夫定律 216计数平滑方法 217神经网络语言模型 218小结 22词向量构造方法 221词向量(Word Embedding)构造方法概述 222基于全局统计信息的Word Embedding构造方法 223基于预测任务的Word Embedding构造方法 224利用外部信息的Word Embedding构造方法 225方法评价 226Word Embedding的应用 227研究展望 23知识图谱表示学习 231表示学习的基本概念 232表示学习的典型应用 233表示学习的主要优点 234表示学习的典型方法 参考文献 第3章语言分析技术 31词法分析 311概述 312自动分词 313词性标注 314分词和词性标注的联合模型 32句法分析 321概述 322���法结构分析 323依存关系分析 33篇章分析 331概述 332篇章分析相关理论及标注语料库 333篇章分析方法 34语义分析 341概述 342词汇级语义分析 343句子级语义分析 344篇章级语义分析 345基于神经网络模型的语义分析 346语义分析评测任务 347未来发展趋势 参考文献 第4章语言情感分类 41情感描述的主要方法 411情感的类别表示法 412情感的维度表示法 42情感识别模型 421文本情感计算 422语音情感计算 43当前语言情感识别的挑战 431领域依赖 432语料库的建设 433多模态融合 434细粒度情感计算 参考文献 第5章自然语言生成技术 51概述 52序列到序列模型 521基本原理和算法框架 522模型实现与注意力机制 523小结 53变分自编码器 531基本原理 532应用场景 533**话题 54生成式对抗网络 541基本原理和算法框架 542生成式对抗网络的特点 543相关模型 544小结 55基于预训练语言模型的生成方法 551预训练语言模型 552拓展话题 553小结 56本章小结 参考文献 第6章自动问答与人机对话 61知识库问答 611基于语义解析的知识库问答 612基于神经网络的端到端知识库问答 62机器阅读理解 621任务介绍 622机器阅读理解系统框架 623机器阅读理解系统的核心组件 624代表性机器阅读理解模型 625总结与展望 63人机对话系统 631面向任务型的对话系统 632面向非任务型的聊天系统 64总结与未来的挑战 参考文献 第7章机器翻译 71概况 711任务的定义与研究的意义 712发展的历史 72神经机器翻译 721核心模型 722关键技术 73数据与评测 731数据集 732技术评测 74开源工具 741统计机器翻译开源工具 742神经机器翻译开源工具 75总结与展望 参考文献 第8章信息检索与信息** 81概述 811信息检索的概念与发展 812信息**的概念与发展 813信息检索和信息**的联系和区别 82信息检索与信息**的相关技术 821信息检索部分前沿技术 822信息**部分前沿技术 823信息检索与信息**领域的相关资源 83相关技术的产业应用 831典型的应用产品 832信息检索技术的应用情况 833信息**技术的应用情况 84发展趋势 参考文献