语音和文本处理技术是使用计算机、通过可计算的方法对自然语言的各级语言单位进行识别、转换、理解、分析等一系列加工处理的科学与技术；是一门与语言学、计算机科学、数学、心理学、信息论等理论学科相联系的交叉性学科，在智能化时代具有十分广阔的应用前景。
本课题通过讲解理论知识、应用实践以及学生自选课题的项目指导，使目标为自然语言处理学术研究方向的学生掌握基本的自然语言（包括英语和汉语）处理技术，理解其相关的重要概念、基本原理和主要方法，了解当前国内外自然语言处理技术的发展概况。
机构课题名称
人工智能：基于机器学习或深度学习的NLP研究
本课题的核心内容：介绍计算语言学的发展概况和现存问题，NLP的理论知识，常用的语音和文本处理的方法与技术，以及自然语言处理中的经验主义和理性主义的技术路线；讲授文本处理的实验方法：词汇的频度统计及统计分布规律， WordNet、HowNet ，语言知识库的本体论，如何组织、检索语料库，词法分析，汉语分词、词性标注的常用方法，相似度计算，信息检索与TF-IDF，N-gram 统计语言模型的基本概念、构造方法，数据平滑的常用算法，N-gram 模型word2vec等的应用及评价等；讲解常见的机器学习方法，如感知机、SVM等，以及神经网络的基本理论知识，并介绍深度学习和人工智能技术在NLP方向的应用。
教授介绍
北京大学 副教授
美国TOP30院校访问学者，中国翻译学会、中国计算机学会成员。研究领域和方向包括计算语言学、应用语言学、书面/学术语言、语料库、文本处理等。
课题·收获
机构背景提升
●教授推荐信，支持网推
●国内普刊/国际普刊//CPCI/EI等同级别会议期刊发表
●完整的科研项目学习经历，提升文书素材竞争力
项目安排
机构背景提升
01 理论知识课
1）介绍计算语言学发展概况、主要问题、NLP关于理性主义和经验主义的技术路线；
2）讲授与 NLP 相关的原理与技术，引导学生理解NLP的应用前景；
3）指导学生阅读相关文献、调研方法、参考文献。
02 理论知识课
1）介绍文本处理中词汇的频度统计及统计分布规律；
2）介绍经典的情感词典 WordNet（英文）、HowNet（汉语）；
3）讲解语言知识库的本体论；
4）介绍如何组织、检索语料库；
5）介绍关于语音学的基本知识、概率论基础知识以及信息论基础知识。
03文献研读课
1）讲解文本预处理的步骤：词法分析，汉语分词、词性标注的常用方法，未登录词处理，最小编辑距离，相似度计算，信息检索，TF-IDF；
2）介绍实验步骤。
04文献阅读课
1）讲解N-gram 统计语言模型的基本概念、构造方法，以及N-gram 模型的应用与评价；
2）介绍数据平滑的常用算法；
3）指导学生确定选题方向，并教授如何获取和选择数据集。
05实战应用课
1）讲解机器学习的基本原理；
2）介绍如何使用朴素贝叶斯方法实现文本分类；
3）讲解基于机器学习的文本自动分类与聚类方法；
4）介绍自然语言处理模型的评估指标（如错误率、精度、准确率、精确度、召回率、F1 等）。
06实战应用课
1）介绍隐马尔科夫模型的概念与算法原理，以及其在语音识别中的应用；
2）介绍神经网络的基本概念以及熟悉的算法与模型。
07 论文指导课
介绍深度学习的基本理论知识与人工智能技术在 NLP的应用。
08论文指导课+结题汇报课
科研报告初稿汇报及点评。
早规划，早准备，解锁更多可能性。不要相信什么高中生、本科生不要做科研的谣言，其实，学术成绩恰恰是世界认可度最高、收获价值最稳定的。哪怕你还是学术小白，也能通过专业教授辅导，好好努力收获高质量科研经历，为进入梦校保驾护航。
