本书在新一代人工智能背景下，重点介绍自然语言处理的基础知识、主要的经典技术、前沿技术及应用。本书分为四部分内容进行阐述：基础知识、自然语言处理的基础技术、自然语言处理的应用技术、自然语言处理的应用系统。首先，在基础知识部分，介绍了语言学理论和机器学习理论两个方面的基础。其次，介绍自然语言处理中的基础技术，包括语言模型、词法分析、句法分析和语义分析等内容。然后，通过文本的信息抽取、篇章分析、情感分析及文本生成等任务，介绍自然语言处理的应用技术。最后，在自然语言处理的应用系统方面，详细介绍了问答系统、对话系统和机器翻译中的相关技术和系统结构等内容。
本书可作为人工智能专业、智能科学与技术专业以及计算机类相关专业的本科生及研究生学习自然语言处理的教材，也可以作为自然语言方向相关研究人员的参考用书。

车万翔，博士，哈尔滨工业大学教授，博士生导师，斯坦福大学访问学者。研究方向为自然语言处理。在CoNLL、SANICL、SemEval等国际评测获得过冠军。任ACL、DLING、EMNLP等国际会议领域主席。负责研发的语言技术平台(LTP)已被600余家单位共享，并授权给百度、腾讯、华为等公司使用。曾获黑龙江科技进步一等奖、技术发明二等奖；汉王青年创新奖一等奖；钱伟长中文信息处理科学奖等奖项。2017年主讲的“Python语言程序设计”课程获国家精品在线开放课程称号。

第1章 绪论
1.1 自然语言处理的定义
1.2 自然语言处理的研究内容
1.2.1 资源建设
1.2.2 基础研究
1.2.3 应用技术研究
1.2.4 应用系统
1.3 自然语言处理的流派
1.3.1 基于规则的自然语言处理
1.3.2 基于统计学习的自然语言处理
1.3.3 基于深度学习的自然语言处理
1.4 自然语言处理的挑战
1.5 本书各章节内容概述
参考文献
第2章 现代语言学基础
2.1 语言学与人类的语言
2.1.1 现代语言学的起源及学科分支
2.1.2 人类语言的符号性与层级性
2.2 语言系统及其知识模型
2.2.1 语音系统
2.2.2 词汇系统
2.2.3 句法系统
2.2.4 语义系统
2.2.5 语用系统
2.3 语言的歧义性与创造性
2.3.1 歧义性
2.3.2 创造性
2.4 语言知识资源
2.5 延伸阅读
习题
参考文献
第3章 形式语言与自动机
3.1 基本概念
3.1.1 字母表、符号串及语言
3.1.2 文法
3.1.3 自动机
3.2 正则文法与有穷自动机
3.2.1 正则表达式与正则文法
3.2.2 有穷自动机
3.2.3 在自然语言处理中的应用
3.3 上下文无关文法和下推自动机
3.3.1 上下文无关文法
3.3.2 下推自动机
3.3.3 在自然语言处理中的应用
习题
第4章 机器学习基础
4.1 机器学习概述
4.1.1 机器学习的三个基本要素
4.1.2 泛化与正则化
4.1.3 机器学习算法的类型
4.2 线性分类器
4.2.1 logistic回归
4.2.2 softmax回归
4.2.3 感知器
4.2.4 支持向量机
4.3 结构化学习
4.3.1 结构化感知器
4.3.2 隐马尔可夫模型
4.3.3 条件随机场
4.4 神经网络与深度学习
4.4.1 前馈神经网络
4.4.2 卷积神经网络
4.4.3 循环神经网络
4.4.4 注意力机制
4.5 总结和延伸阅读
参考文献
第5章 文本表示
5.1 词的表示
5.1.1 分布式语义假设
5.1.2 布朗聚类
5.1.3 潜在语义分析
5.1.4 神经词嵌入
5.1.5 评价
5.2 短语和句子表示
5.2.1 词袋模型
5.2.2 基于神经网络的组合语义模型
……
第6章 语言模型
第7章 词法分析
第8章 句法分析
第9章 语义分析
第10章 信息抽取
第11章 篇章分析
第12章 情感分析
第13章 文本生成
第14章 问答系统
第15章 对话系统
第16章 机器翻译