自然語言及語音處理項目式教程(電腦類專業新形態立體化雙色印刷高等職業教育系列教材)
內容大鋼
本書內容涵蓋自然語言處理、語音信號處理這兩項人機交互領域的重要技術，以項目式教學的方式，幫助讀者快速掌握相關知識和提高項目開發的能力。本書共7個項目：項目1重點介紹自然語言處理和語音信號處理技術相關背景、開發環境和項目開發流程的基本知識，對搭建項目開發環境進行項目實戰；項目2?4重點介紹自然語言處理技術中詞法分析、句法分析、文本向量化、文本分類和聚類的基本知識，對中文命名實體識別、基於機器學習的文本分類、基於深度學習的文本情感分析進行項目實戰；項目5?7重點介紹語音信號處理技術中數字音頻預處理、特徵提取、語音識別和語音合成的基本知識，對語音數據特徵提取、語音和環境音識別、語音合成進行項目實戰。在每個項目中，讀者可以通過實例模塊鞏固理論知識，並在項目實戰模塊中提升綜合應用能力。
本書可以作為高等職業院校人工智慧相關專業課程的教材，也可作為職業技能等級證書的教學和培訓用書，還可作為自然語言處理開發人員的參考用書。
作者介紹
編者:關志廣//王玲//區映映|責編:李培培//馬超
目錄
項目1 搭建自然語言及語音信號處理開發環境
1.1 項目導入
1.2 知識鏈接
1.2.1 自然語言處理技術
1.2.2 語音信號處理技術
1.3 項目實戰
1.3.1 部署Python開發環境
1.3.2 安裝PyTorch框架
1.3.3 安裝PaddlePaddle框架
1.3.4 驗證開發環境
1.4 項目小結
1.5 知識拓展
1.6 習題
項目2 進行中文命名實體識別
2.1 項目導入
2.2 知識鏈接
2.2.1 語料庫
2.2.2 中文分詞
2.2.3 詞性標注
2.2.4 關鍵詞提取
2.2.5 命名實體識別
2.3 項目實戰
2.3.1 定義CorpusProcess類
2.3.2 定義CRF_NER類
2.3.3 模型訓練與評估
2.3.4 模型預測
2.4 項目小結
2.5 知識拓展
2.6 習題
項目3 實現機器學習的新聞內容分類
3.1 項目導入
3.2 知識鏈接
3.2.1 句法分析
3.2.2 文本向量化
3.2.3 文本分類與聚類
3.3 項目實戰
3.3.1 準備數據集
3.3.2 模型訓練
3.3.3 模型評估
3.3.4 模型預測
3.4 項目小結
3.5 知識拓展
3.6 習題
項目4 實現深度學習的酒店評價情感分析
4.1 項目導入
4.2 知識鏈接
4.2.1 深度學習簡介
4.2.2 卷積神經網路
4.2.3 循環神經網路
4.2.4 Transformer模型
4.2.5 深度學習框架
4.3 項目實戰
4.3.1 讀取語料數據集
4.3.2 語料預處理和特徵提取
4.3.3 模型定義
4.3.4 模型訓練
4.3.5 模型評估
4.3.6 模型測試
4.4 項目小結
4.5 知識拓展
4.6 習題
項目5 提取語音數據的MFCC特徵
5.1 項目導入
5.2 知識鏈接
5.2.1 語音的物理基礎
5.2.2 語音信號的表徵
5.2.3 語音信號的數字化
5.2.4 語音信號的預處理
5.2.5 語音信號的時域分析
5.2.6 語音信號的頻域分析
5.2.7 語音信號的倒譜分析
5.3 項目實戰
5.3.1 語音文件讀取
5.3.2 語音信號預處理
5.3.3 MFCC特徵提取
5.4 項目小結
5.5 知識拓展
5.6 習題
項目6 實現單句語音和複雜環境音識別
6.1 項目導入
6.2 知識鏈接
6.2.1 語音識別簡介
6.2.2 環境音識別簡介
6.2.3 語音和環境音識別演算法
6.3 項目實戰
6.3.1 單句語音識別
6.3.2 複雜環境音識別
6.4 項目小結
6.5 知識拓展
6.6 習題
項目7 實現新聞文本語音播報
7.1 項目導入
7.2 知識鏈接
7.2.1 語音合成簡介
7.2.2 語音合成演算法
7.3 項目實戰
7.3.1 數據及模型準備
7.3.2 數據預處理
7.3.3 構建聲學模型
7.3.4 聲碼器合成語音
7.3.5 結果評價
7.4 項目小結
7.5 知識拓展
7.6 習題
附錄
附錄A APKU詞性標注集
附錄B CTB詞性標注集
附錄C SDC依存關係標注集
參考文獻
[