Python中文自然语言处理基础与实战（教案）第10章NLP中的深度学习技术.docx

《Python中文自然语言处理基础与实战（教案）第10章NLP中的深度学习技术.docx》由会员分享，可在线阅读，更多相关《Python中文自然语言处理基础与实战（教案）第10章NLP中的深度学习技术.docx（4页珍藏版）》请在第一文库网上搜索。

1、第10章N1P中的深度学习技术教案课程名称：Python中文自然语言处理基础与实战课程类别：选修适用专业：人工智能类相关专业总学时：64学时（其中理论40学时，实验24学时）总学分：4.0学分本章学时：6学时一、材料清单（1）Python中文自然语言处理基础与实战教材。（2）配套PpT。（3）引导性提问。（4）探究性问题。（5）拓展性问题。二、教学目标与基本要求1教学目标主要介绍N1P中使用的深度学习技术，包括循环神经网络、长短期记忆网络和Seq2Seq模型。首先介绍循环神经网络的基本概念，然后引入单向RNN结构、1STM模型结构以及Seq2Seq模型结构，随后介绍常见的深度学习工具，最后将1

2、STM模型应用于文本分类和情感分析，Seq2Seq模型应用于机器翻译。2.基本要求(1) 了解循环神经网络的基本概念。(2)熟悉RNN、1STM和Seq2Seq模型的结构。(3) 了解常用的深度学习工具。(4)掌握文本分类、情感分析和机器翻译的实现方法。三、问题1 .引导性提问引导性提问需要教师根据教材内容和学生实际水平，提出问题，启发引导学生去解决问题，提问，从而达到理解、掌握知识，发展各种能力和提高思想觉悟的目的。(I)循环神经网络的特色是什么？(2) RNN有哪些结构？(3) TensorF1ow有哪些特点？2 .探究性问题探究性问题需要教师深入钻研教材的基础上精心设计,提问的角度或者在

3、引导性提问的基础上，从重点、难点问题切入，进行插入式提问。或者是对引导式提问中尚未涉及但在课文中又是重要的问题加以设问。(1)传统神经网络为什么不适合解决N1P的问题？(2) RNN的多对一结构通常用于处理什么问题？(3) Seq2Seq模型包含哪些结构？3 .拓展性问题拓展性问题需要教师深刻理解教材的意义，学生的学习动态后，根据学生学习层次，提出切实可行的关乎实际的可操作问题。亦可以提供拓展资料供学生研习探讨，完成拓展性问题。(1)如何使用循环神经网络进行文本分类？(2)生活中哪些地方用上了机器翻译？四、主要知识点、重点与难点1 .主要知识点(1)循环神经网络的基本概念。(2)循环神经网络的

4、基本结构。(3) TensorF1ow的特点。(4) TensorF1ow的安装流程。(5)基于1STM网络的文本分类的实现方法.(6)基于1STM网络的情感分析的实现方法。(7)基于Seq2Seq的机器翻译的实现方法。2 .重点(1)循环神经网络的基本结构。(2)基于1STM网络的文本分类的实现方法。(3)基于1STM网络的情感分析的实现方法。(4)基于Seq2Seq的机器翻译的实现方法。3 .难点(1)循环神经网络的基本结构。(2)基于Seq2Seq的机器翻译的实现方法。五、教学过程设计1 .理论教学过程(1)循环神经网络的基本概念。(2)循环神经网络的基本结构。（3） TenSOrFk)

5、W的特点。（4） TensorF1ow的安装流程。（5）基于1STM网络的文本分类的实现方法。（6）基于1STM网络的情感分析的实现方法。（7）基于Seq2Seq的机器翻译的实现方法。2 .实验教学过程（1）使用1STM网络的进行文本分类。（2）使用1STM网络进行情感分析。（3）使用Seq2Seq实现机器翻译。六、教材与参考资料1 .教材肖刚，张良均.Python中文自然语言处理基础与实战M.北京：人民邮电出版社.2023.2 .参考资料I张良均.PythOn数据分析与挖掘实战M.北京：机械工业出版社.2015.2张良均.PythOn与数据挖掘M.北京：机械工业出版社.2016.3宗成庆，统计自然语言处理，清华大学出版社，北京，2013年4李航，统计学习方法，清华大学出版社，北京，2012年