學(xué)院課程教學(xué)進度計劃表（20～20學(xué)年第二學(xué)期） 課程名稱Python中文自然語言處理基礎(chǔ)與實戰(zhàn) 授課學(xué)時64 參與教學(xué)教師 授課班級/人數(shù) 專業(yè)（教研室） 填表時間教務(wù)處編印年月一、課程教學(xué)目標總體目標本課程采用"四階段遞進式"教學(xué)模式，通過基礎(chǔ)入門→核心技術(shù)→高級應(yīng)用→前沿技術(shù)的學(xué)習(xí)路徑，培養(yǎng)學(xué)生成為具備中文自然語言處理核心技能的復(fù)合型人才。課程以項目驅(qū)動教學(xué)，每個階段配備相應(yīng)的實戰(zhàn)項目，確保學(xué)生能夠?qū)⒗碚撝R轉(zhuǎn)化為實際應(yīng)用能力。核心能力培養(yǎng)技術(shù)能力培養(yǎng)：掌握Python中文NLP全棧技術(shù)，具備獨立開發(fā)NLP應(yīng)用的能力實踐項目驅(qū)動：完成6個遞進式項目，從基礎(chǔ)工具到智能系統(tǒng)的全面實戰(zhàn)前沿技術(shù)跟蹤：接觸大語言模型等前沿技術(shù)，緊跟行業(yè)發(fā)展趨勢分階段學(xué)習(xí)目標第一階段：基礎(chǔ)入門（第1-4周）環(huán)境配置與工具使用：熟練配置PythonNLP開發(fā)環(huán)境，掌握Anaconda、Jupyter等工具語料庫構(gòu)建技能：學(xué)會網(wǎng)絡(luò)爬蟲、數(shù)據(jù)清洗、語料標注等基礎(chǔ)技能正則表達式應(yīng)用：掌握文本預(yù)處理、信息提取的核心技術(shù)實戰(zhàn)項目：完成語料庫構(gòu)建項目和信息提取工具開發(fā)第二階段：核心技術(shù)（第5-10周）分詞與標注技術(shù)：掌握HMM、CRF等核心算法，實現(xiàn)高精度分詞標注系統(tǒng)關(guān)鍵詞提取算法：熟練運用TF-IDF、TextRank、LDA等算法文本向量化技術(shù)：深入理解Word2Vec、Doc2Vec模型原理與應(yīng)用實戰(zhàn)項目：開發(fā)多算法分詞工具和關(guān)鍵詞提取系統(tǒng)第三階段：高級應(yīng)用（第11-14周）文本挖掘技術(shù)：掌握文本分類、聚類、情感分析等高級應(yīng)用深度學(xué)習(xí)方法：理解RNN、LSTM、Seq2Seq等神經(jīng)網(wǎng)絡(luò)模型模型優(yōu)化調(diào)參：學(xué)會超參數(shù)調(diào)優(yōu)、模型評估與選擇實戰(zhàn)項目：完成情感分析系統(tǒng)和深度學(xué)習(xí)文本分類項目第四階段：前沿技術(shù)（第15-17周）智能問答系統(tǒng)：掌握檢索式和生成式問答系統(tǒng)設(shè)計原理大語言模型應(yīng)用：學(xué)會調(diào)用和應(yīng)用中文大模型APIPrompt工程技巧：掌握提示詞設(shè)計和模型調(diào)優(yōu)技術(shù)綜合項目：開發(fā)完整的智能問答或?qū)懽髦窒到y(tǒng)職業(yè)能力目標算法工程師能力：具備設(shè)計和優(yōu)化NLP算法的能力，能夠根據(jù)業(yè)務(wù)需求選擇合適的技術(shù)方案產(chǎn)品開發(fā)能力：能夠獨立完成從需求分析到系統(tǒng)部署的完整NLP產(chǎn)品開發(fā)流程技術(shù)創(chuàng)新能力：具備跟蹤前沿技術(shù)、持續(xù)學(xué)習(xí)的能力，為未來研究生學(xué)習(xí)或工作打下堅實基礎(chǔ)團隊協(xié)作能力：通過項目合作培養(yǎng)溝通協(xié)調(diào)、文檔撰寫、技術(shù)分享等軟技能二、教學(xué)方法與實施策略創(chuàng)新教學(xué)模式：PIDC四維教學(xué)法Project-Driven（項目驅(qū)動）：6個遞進式項目貫穿整個課程，從簡單工具到復(fù)雜系統(tǒng)InteractiveLearning（互動學(xué)習(xí)）：課堂討論、代碼審查、同伴評議等多種互動形式DeepThinking（深度思考）：算法對比分析、方法優(yōu)缺點評估、創(chuàng)新應(yīng)用設(shè)計ContinuousPractice（持續(xù)實踐）：每周編程作業(yè)、階段性項目、期末綜合應(yīng)用分層次教學(xué)策略理論教學(xué)（概念引導(dǎo)式）案例導(dǎo)入：每個新概念都從實際應(yīng)用案例開始，如"微博情感分析如何影響股價預(yù)測"原理透析：通過可視化圖表、動畫演示等方式深入淺出地解釋算法原理對比分析：橫向比較不同算法的優(yōu)缺點，培養(yǎng)學(xué)生的批判性思維前沿追蹤：介紹最新技術(shù)發(fā)展，如GPT、BERT等模型的演進歷程實踐教學(xué)（技能導(dǎo)向式）漸進式編程：從簡單的函數(shù)實現(xiàn)到完整系統(tǒng)開發(fā)，逐步提升編程復(fù)雜度多平臺實踐：結(jié)合JupyterNotebook、PyCharm、TipDM等多種開發(fā)環(huán)境真實數(shù)據(jù)應(yīng)用：使用企業(yè)級數(shù)據(jù)集，模擬真實工作場景性能調(diào)優(yōu)訓(xùn)練：通過參數(shù)調(diào)整、模型優(yōu)化等提升系統(tǒng)性能協(xié)作學(xué)習(xí)（團隊合作式）小組項目開發(fā)：3-4人小組完成大型項目，培養(yǎng)團隊協(xié)作能力代碼評審機制：學(xué)生互相評審代碼，提升代碼質(zhì)量和規(guī)范意識技術(shù)分享會：學(xué)生輪流分享項目經(jīng)驗和技術(shù)心得答疑互助：建立學(xué)習(xí)小組，鼓勵學(xué)生互相幫助解決問題教學(xué)資源與技術(shù)支持硬件資源：提供GPU服務(wù)器支持深度學(xué)習(xí)模型訓(xùn)練，確保實驗教學(xué)效果軟件環(huán)境：統(tǒng)一配置Anaconda環(huán)境，提供常用NLP庫和工具包數(shù)據(jù)資源：建立涵蓋新聞、評論、社交媒體等多領(lǐng)域的中文語料庫在線平臺：利用JupyterHub、GitHub等工具實現(xiàn)代碼管理和作業(yè)提交企業(yè)合作：邀請行業(yè)專家開展講座，提供實習(xí)和就業(yè)機會三、課程考核與評價體系綜合評價模式：多維度全過程考核本課程突破傳統(tǒng)的"一考定成績"模式，建立多元化、過程性、能力導(dǎo)向的評價體系，全面評估學(xué)生的理論掌握、實踐能力和創(chuàng)新思維。評價維度權(quán)重占比評價內(nèi)容評價方式評價頻次平時作業(yè)15%每周編程練習(xí)、算法實現(xiàn)、理論分析在線提交+自動評測每周1次實驗項目25%6個階段性項目的完成質(zhì)量與創(chuàng)新程度項目報告+代碼審查+現(xiàn)場演示每4-6周1次課堂表現(xiàn)10%出勤率、討論參與、互動質(zhì)量過程性觀察+同伴評價每次課期末考核50%綜合理論知識+項目答辯開卷考試(30%)+項目答辯(20%)期末1次各項考核詳細說明平時作業(yè)(15%)理論作業(yè)：選擇題、簡答題、算法分析題，鞏固基礎(chǔ)知識編程作業(yè)：函數(shù)實現(xiàn)、算法優(yōu)化、性能測試，提升編程能力調(diào)研作業(yè)：技術(shù)調(diào)研、方法對比、應(yīng)用案例分析，拓展視野評分標準：準確性(40%)+完整性(30%)+及時性(20%)+創(chuàng)新性(10%)實驗項目(25%)項目一：語料庫構(gòu)建與管理系統(tǒng)項目二：多功能信息提取工具項目三：智能中文分詞系統(tǒng)項目四：多算法關(guān)鍵詞提取平臺項目五：情感分析與文本分類系統(tǒng)項目六：智能問答或?qū)懽髦郑ㄆ谀╉椖浚┰u分維度：功能完整性(30%)+代碼質(zhì)量(25%)+創(chuàng)新性(20%)+文檔完善度(15%)+演示效果(10%)課堂表現(xiàn)(10%)出勤考核：出勤率、遲到早退情況參與度評價：課堂討論發(fā)言次數(shù)和質(zhì)量互動表現(xiàn)：提問質(zhì)量、回答問題準確性協(xié)作能力：小組合作中的貢獻度和配合度期末考核(50%)理論考試(30%)：采用開卷考試形式，允許查閱資料和使用工具基礎(chǔ)理論(30%)：概念理解、算法原理、方法對比技術(shù)應(yīng)用(40%)：代碼分析、算法設(shè)計、問題解決綜合分析(30%)：案例分析、系統(tǒng)設(shè)計、創(chuàng)新應(yīng)用項目答辯(20%)：期末項目展示：系統(tǒng)演示、功能介紹、技術(shù)說明技術(shù)問答：算法原理、實現(xiàn)細節(jié)、優(yōu)化方案創(chuàng)新評價：技術(shù)創(chuàng)新點、應(yīng)用價值、發(fā)展前景特色評價機制成長檔案記錄：跟蹤學(xué)生整個學(xué)習(xí)過程，記錄技能提升軌跡同伴互評機制：學(xué)生互相評價項目和代碼，培養(yǎng)協(xié)作精神企業(yè)導(dǎo)師評價：邀請行業(yè)專家參與項目評審，提供專業(yè)建議創(chuàng)新加分政策：鼓勵學(xué)生參與競賽、發(fā)表論文、開源貢獻等補救機制：為學(xué)習(xí)困難學(xué)生提供額外輔導(dǎo)和補考機會《Python中文自然語言處理基礎(chǔ)與實戰(zhàn)》教學(xué)日歷課程性質(zhì)：專業(yè)選修課總學(xué)時：64學(xué)時學(xué)分：4學(xué)分教材：肖剛，張良均．Python中文自然語言處理入門與實戰(zhàn)（第二版）．北京：人民郵電出版社．2025第一階段：基礎(chǔ)入門（第1-4周，16學(xué)時）課次學(xué)時課型授課內(nèi)容作業(yè)要求評估方式12理論第1章緒論

?NLP概述與發(fā)展歷程

?中文NLP特點與挑戰(zhàn)

?開發(fā)環(huán)境介紹完成課后習(xí)題1-5題

調(diào)研3個NLP應(yīng)用實例課堂測試22理實環(huán)境配置實戰(zhàn)

?Anaconda安裝與配置

?Python環(huán)境設(shè)置

?詞云圖制作入門生成3個不同主題的詞云圖

提交環(huán)境配置截圖實驗報告32理論第2章語料庫基礎(chǔ)

?語料庫概念與分類

?語料庫構(gòu)建原則

?常用中文語料庫介紹完成課后習(xí)題1-5題

調(diào)研并比較2個開源語料庫課堂討論42理實+實踐語料獲取實踐

?網(wǎng)絡(luò)爬蟲基礎(chǔ)

?語料清洗方法

?在線語料獲取爬取指定網(wǎng)站文本數(shù)據(jù)

形成標準格式語料代碼審查52實踐語料庫構(gòu)建項目

?電影評論語料分析

?語料標注與管理

?數(shù)據(jù)質(zhì)量評估項目一：構(gòu)建新聞?wù)Z料庫

（≥100篇，含分類標簽）項目展示62理論第3章正則表達式

?正則表達式語法規(guī)則

?Pythonre模塊詳解

?常用模式與技巧完成課后習(xí)題1-8題

總結(jié)10個常用正則模式在線測試72理實+實踐正則實踐應(yīng)用

?文本清洗與預(yù)處理

?信息提取技術(shù)

?模式匹配優(yōu)化設(shè)計8個驗證模式

（郵箱、電話、身份證等）代碼測試82實踐信息提取綜合實戰(zhàn)

?簡歷信息提取器

?文本格式化處理

?提取準確率評估項目二：開發(fā)信息提取工具

支持多種數(shù)據(jù)格式功能演示第二階段：核心技術(shù)（第5-10周，24學(xué)時）課次學(xué)時課型授課內(nèi)容作業(yè)要求評估方式92理論第4章中文分詞基礎(chǔ)

?中文分詞原理與難點

?基于規(guī)則的分詞方法

?基于統(tǒng)計的分詞算法完成課后理論題

分析3種分詞方法優(yōu)缺點期中測試102理實+實踐分詞算法實現(xiàn)

?HMM模型原理與實現(xiàn)

?維特比算法詳解

?分詞效果評估實現(xiàn)簡單HMM分詞器

對比不同算法效果算法實現(xiàn)112實踐jieba分詞深入應(yīng)用

?jieba庫高級功能

?自定義詞典構(gòu)建

?分詞系統(tǒng)優(yōu)化項目三：多算法分詞工具

支持用戶詞典擴展系統(tǒng)測試122理論第5章詞性標注與NER

?詞性標注體系與方法

?命名實體識別原理

?CRF模型基礎(chǔ)完成課后習(xí)題

整理中文詞性標注規(guī)范課堂討論132理實+實踐標注技術(shù)實踐

?jieba詞性標注應(yīng)用

?HMM標注實現(xiàn)

?標注準確率評估實現(xiàn)HMM詞性標注器

評估標注效果實驗報告142實踐NER系統(tǒng)構(gòu)建

?CRF特征工程

?命名實體識別實踐

?實體鏈接技術(shù)擴展CRF特征集

提升NERF1值≥85%性能評估152理論第6章關(guān)鍵詞提取

?TF-IDF算法原理

?TextRank圖模型

?評估指標與方法完成課后習(xí)題1-5題

對比分析兩種算法差異理論考核162理實+實踐統(tǒng)計方法實踐

?TF-IDF算法實現(xiàn)

?LSA與LDA主題模型

?語義關(guān)鍵詞提取實現(xiàn)TF-IDF提取器

比較LSA和LDA效果算法對比172實踐圖模型算法應(yīng)用

?TextRank算法實現(xiàn)

?圖構(gòu)建策略優(yōu)化

?關(guān)鍵詞質(zhì)量評估項目四：多算法關(guān)鍵詞提取

支持不同領(lǐng)域文本項目答辯182理論第7章文本向量化

?詞向量模型發(fā)展歷程

?Word2Vec原理詳解

?CBOWvsSkip-Gram完成課后理論與實踐題

分析兩種模型結(jié)構(gòu)差異概念理解192理實+實踐詞向量模型訓(xùn)練

?Word2Vec模型訓(xùn)練

?詞向量質(zhì)量評估

?詞匯相似度計算訓(xùn)練領(lǐng)域詞向量模型

驗證詞向量質(zhì)量模型評估202實踐文檔向量化實現(xiàn)

?Doc2Vec模型應(yīng)用

?DMvsDBOW比較

?文本相似度計算實現(xiàn)文檔相似度系統(tǒng)

對比不同向量化方法系統(tǒng)演示第三階段：高級應(yīng)用（第11-14周，16學(xué)時）課次學(xué)時課型授課內(nèi)容作業(yè)要求評估方式212理論第8章文本分類與聚類

?文本挖掘概述

?分類算法比較

?聚類算法原理完成課后習(xí)題1-5題

分析三種分類算法特點算法分析222實踐分類聚類項目實戰(zhàn)

?垃圾短信分類

?新聞文本聚類

?模型性能優(yōu)化多算法分類對比實驗

K-means參數(shù)調(diào)優(yōu)實驗對比232理論第9章文本情感分析

?情感分析概述與分類

?詞典方法vs機器學(xué)習(xí)

?深度學(xué)習(xí)情感分析完成課后習(xí)題1-5題

對比三種方法優(yōu)缺點方法比較242實踐情感分析系統(tǒng)開發(fā)

?基于詞典的情感分析

?機器學(xué)習(xí)情感分類

?跨域情感分析項目五：多方法情感分析

在不同數(shù)據(jù)集上測試項目評估252理論第10章深度學(xué)習(xí)基礎(chǔ)

?RNN網(wǎng)絡(luò)結(jié)構(gòu)

?LSTM與GRU對比

?Seq2Seq模型架構(gòu)完成課后習(xí)題1-5題

繪制LSTM網(wǎng)絡(luò)結(jié)構(gòu)圖結(jié)構(gòu)理解262理實+實踐深度學(xué)習(xí)框架應(yīng)用

?TensorFlow/PyTorch入門

?LSTM文本分類

?注意力機制實現(xiàn)調(diào)整LSTM超參數(shù)

比較不同配置效果參數(shù)調(diào)優(yōu)272實踐深度學(xué)習(xí)綜合實戰(zhàn)

?LSTM情感分析

?Seq2Seq機器翻譯

?GRU性能對比實現(xiàn)GRU模型

與LSTM性能對比分析模型對比282理論第11章智能問答系統(tǒng)

?問答系統(tǒng)架構(gòu)設(shè)計

?檢索式vs生成式

?多輪對話管理設(shè)計問答系統(tǒng)架構(gòu)

分析核心技術(shù)組件架構(gòu)設(shè)計第四階段：前沿技術(shù)（第14-17周，8學(xué)時）課次學(xué)時課型授課內(nèi)容作業(yè)要求評估方式292實踐問答系統(tǒng)開發(fā)實戰(zhàn)

?數(shù)據(jù)預(yù)