1 語言認知與表示模型
1．1 語言認知與語言表示的定義
1．2 研究語言認知與表示的意義與挑戰
1．3 語言表示的模型與方法
1．3．1 詞的表示
1．3．2 句子表示
1．3．3 篇章表示
1．3．4 注意力
1．4 基於預訓練模型的語言表示
參考文獻

2 詞法分析
2．1 引言
2．1．1 詞法分析的任務定義
2．1．2 詞法分析的發展歷程
2．1．3 詞法分析的數據集和公開評測
2．1．4 分詞的意義與挑戰
2．2 中文分詞
2．2．1 傳統方法
2．2．2 深度學習方法
2．2．3 實驗結果
2．3 命名實體識別
2．3．1 傳統方法
2．3．2 深度學習方法
2．3．3 實驗結果
2．4 詞性標注
2．4．1 傳統方法
2．4．2 深度學習方法
2．4．3 實驗結果
2．5 應用
2．6 小結
參考文獻

3 句法語義分析
3．1 引言
3．2 任務定義
3．2．1 依存句法分析（樹）
3．2．2 語義角色標注
3．2．3 語義依存分析（圖）
3．2．4 其他語義表示方法
3．2．5 數據集
3．2．6 相關評測
3．3 序列標注
3．3．1 條件隨機場
3．3．2 深度序列標注
3．3．3 語義角色標注
3．4 基於圖的方法
3．4．1 基於圖的依存句法分析方法
3．4．2 基於圖的語義依存分析方法
3．5 基於轉移的方法
3．5．1 基於轉移的依存句法分析方法
3．5．2 基於轉移的語義依存分析方法
3．6 句法語義分析的進展與挑戰
3．6．1 半監督學習
3．6．2 主動學習
3．6．3 句法數據標注現狀
3．6．4 遷移學習
3．7 句法語義分析的應用
3．7．1 作為抽取規則
……
4 知識圖譜
5 文本分類與自動文摘
6 情感分析
7 信息檢索與推薦的神經網絡方法：前沿與挑戰
8 自動問答與機器閱讀理解
9 機器翻譯
10 深度學習在社會計算中的應用與進展
索引

語言是人類知識、思維和文明的載體，讓計算機理解人類語言，實現人和計算機之間的自然語言交互是實現機器智能的重要目標。自然語言處理主要研究用計算機來理解和生成人類語言（又稱為自然語言）的理論和方法，是人工智能領域中的一個十分重要的核心任務，也是一門涉及計算機科學、人工智能、語言學心理認知學等領域的交叉學科。1950年，計算機科學之父圖靈發表了堪稱“劃時代之作”的《機器能思考嗎？》（Can Machine Think?），圖靈在該文章中提出了著名的“圖靈測試”，即以語言問答為表現形式，機器要通過測試必須以對語言的深度計算為前提，這也被認為是自然語言處理思想的開端。
早期的自然語言處理主要在喬姆斯基體繫及其轉換生成文法的基本框架下，采用基於理性主義的規則方法，通過專家總結的小規模符號邏輯知識處理通用的自然語言現像。然而，由於自然語言的復雜性，這一研究範式在處理實際應用場景中的問題時往往力不從心。自20世紀90年代開始，以“香農信息論”為基本框架的大規模統計方法快速成為自然語言處理研究的主流，並取得了顯著進展，自然語言處理的研究範式從理性主義演進到了經驗主義。不過，該方法仍然嚴重依賴人工設計的特征工程。2012年之後，基於大數據的經驗主義範式又實現了一次以深度學習為基本框架的大躍遷，可以直接端到端地學習各種自然語言處理真實任務而不再依賴特征工程，收獲了巨大進步。
本書以深度學習為基礎，針對自然語言的不同處理層次及其應用介紹相關技術。自然語言處理的研究領域極為廣泛，本書的結構與內容按照自然語言處理的基礎技術和應用技術進行了編排，並邀請國內在各個方向的優秀學者分別撰寫了各章內容。第1章介紹了自然語言中不同（包括詞、句子和篇章）的表示，並介紹了深度神經網絡的注意力計算模型；第2章和第3章分別介紹了自然語言詞法和句子的經典分析算法和深度學習模型；第4章介紹了知識圖譜和從大規模文本中獲取知識的主要技術；第5章和第6章重點介紹了文本挖掘技術，包括文本分類和摘要以及文本情感分析；第7章至第10章分別介紹了自然語言處理在信息檢索、自動問答、機器翻譯和社會計算中的應用技術。每一章內容均從任務定義、發展歷程、意義和挑戰、數據集與評測和典型模型與方法這幾方面分別進行了闡述，通過結合各個實例為讀者展示各部分技術的經典算法和相關問題的技術演化路徑。
自然語言處理技術發展迅速，新的技術不斷湧現，但仍有不少固有缺陷有待解決。預期未來10年，自然語言處理的發展前景將孕育於大數據與富知識雙輪驅動的全新研究範式。期待本書能為廣大自然語言處理領域的廣大科研人員、青年學者等提供有價值的參考與啟發，推動該領域的發展邁向新的高度。