●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

本分冊以類腦模式的深度學習為基礎，對自然語言處理的不同層面及其應用進行介紹。本分冊共分為10章，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。