《python自然语言处理》教学大纲.pdf

python自然语言处理》教学大纲

课程名称：python自然语言处理
适用专业：计算机科学与技术、软件工程、人工智能、大数据等专业

先修课程：概率论与数理统计、Python程序设计语言

总学时：56学时授课学时：30学时

实验（上机）学时：26学时

一、课程简介

本课程包括自然语言处理概述、Python语言简述、Python数据类型、Python流程控制、Python

函数、Python数据分析、Sklearn和NLTK、语料清洗、特征工程、中文分词、文本分类、文本聚类、
指标评价、信息提取和情感分析。

二、课程内容及要求

第1章自然语言处理概述（2学时）

主要内容：

1人工智能发展历程

2自然语言处理

3机器学习算法

4自然语言处理相关库

5.语料库基本要求：了解人工智能发展历程、自然语言处理相关内容；机器学习算法相关概
念；了解基于Python与自然语言处理的关系；了解语料库的相关概念。
重点：自然语言处理相关内容、机器学习算法

难点：基于Python的相关库

第2章Python语言简介（2学时）
主要内容：

1.python简介

2.Python解释器

3python编辑器

9
代码书写规则

基本要求：了解python简介、熟悉Python解释器、掌握python编辑器、了解代码书写规则

重点：掌握python编辑器、了解代码书写规则

难点：掌握python编辑器

第3章Python数据类型（4学时）
主要内容：

1.常量、变量和表达式

2.基本数据类型

3.运算符与表达式

4.列表

5.元组

6.字符串

7.字典

8.集合

基本要求：理解数据类型的概念、作用以及Python语言的基本数据类型；掌握常量、变量基本

概念；掌握Python语言各类运算符的含义、运算符的优先级和结合性、表达式的构成以及表达式的
求解过程。掌握序列基础知识；熟练掌握列表的定义、常用操作和常用函数；熟练掌握元组的定义

和常用操作；熟练掌握字典的定义和常用操作；掌握字符串格式化、字符串截取的方法；理解与字

符串相关的重要内置方法。熟练掌握字典的定义和常用操作；熟练掌握集合的定义和常用操作。

重点：数据类型的作用、变量的定义，各类运算符以及构成的表达式的求解。序列、列表、元

组的定义和常用操作。字典、集合的定义和常用操作。

难点：运算符的优先级和结合性。列表常用函数的应用，字符串的应用。字典及集合的应用。

第4章Python流程控制（4学时）
主要内容：

1.数据输入与输出
2.顺序结构
3.单分支选择结构

4.双分支选择结构
5.多分支选择结构
6.while循环结构

7.for语句结构

9
循环的嵌套

基本要求：掌握程序的三种基本结构；掌握顺序结构程序设计；熟练掌握Python语言中输入输

出格式的规则和用法。熟练掌握if语句的三种形式和用法以及if语句的嵌套使用；掌握分支结构

的应用。熟练掌握循环结构while、for语句的规则和用法；熟悉continue、break、pass语句的用
法；掌握循环结构的嵌套规则。

重点：数据的输入输出。if语句的三种形式和使用方法。while、for语句的规则和用法；循环
结构的应用。

难点：格式化输出的规则和用法。分支结构的应用。循环的嵌套。

第5章Python函数（4学时）
主要内容：

1.函数声明与调用

2.函数传参
3.lambda函数
4.递归函数

基本要求：理解函数的作用；熟练掌握函数定义和函数调用的规则和用法；掌握函数参数传递

的规则和用法；lambda函数；理解函数的嵌套和递归调用。

重点：函数的作用、定义和调用；参数分类。

难点：函数的参数传递、递归调用。

第6章Python数据分析（4学时）

1.科学计算

2.Numpy

3Scipy

4matplotlib

5Pandas

6Seaborn
基本要求：了解科学计算的基本概念；掌握Numpy、Scipy、matplotlib、Pandas、Seaborn的
函数使用方法
重点：Numpy、Scipy、matplotlib和Pandas

难点：Numpy、matplotlib和Pandas

第7章Sklearn和NLTK（4学时）

9

1.Sklearn
2基于Sklearn机器学习

3.NLTK
4N1TK语料库
5NlTK文本分类
基本要求：了解Sklearn的基本功能，数据集，了解基于Sklearn机器学习流程。了解NLTK
的基本功能、NLTK语料库以及NL文本分类。
重点：Sklearn与NLTK

难点：Sklearn与NLTK

第8章语料清洗（4学时）
主要内容：

1数