资源介绍
子书）
电子书格式: pdf
《自然语言处理：Python 实现教程（第二版）》是一本兼顾理论基础与实践操作的权威教材，由北京师范大学 - 香港浸会大学联合国际学院科技学院的 Raymond Lee 教授编写。本书聚焦自然语言处理（NLP）领域的核心知识与前沿技术，通过系统的理论讲解和可落地的 Python 实践，帮助读者快速掌握 NLP 的关键技能，适用于高校教学、科研实践及工业界应用开发。
全书分为两大模块，结构清晰且逻辑连贯。第一部分为 “概念与技术”，共 10 章，构建了完整的 NLP 理论体系。从 NLP 的基本概念、人类语言特性与歧义性入手，依次讲解 N-gram 语言模型、词性标注、句法分析、语义表示、语用分析与语篇处理等基础内容，同时深入探讨迁移学习、Transformer 技术、大型语言模型（LLMs）与生成式 AI 的核心原理及伦理考量。其中，新增的第 10 章专门聚焦 LLMs 与生成式 AI 的最新进展，第 1 章补充了 21 世纪以来 BERT、Transformer 等技术的发展历程，使理论体系更贴合当前技术前沿。
第二部分为 “14 小时 Python 实战工作坊”，包含 7 个实操模块，将理论知识转化为实际应用能力。通过 NLTK、spaCy、TensorFlow、Keras、BERT 等主流工具，逐步引导读者完成文本分词、N-gram 建模、词性标注、语义分析、情感分类、Transformer 应用及聊天机器人构建等实战任务。每个工作坊均提供分步指导和代码实现，配套的 Jupyter Notebook 文件与数据可通过 GitHub 仓库获取，确保读者能够动手验证、深化理解。
本书的第二版进行了三大核心升级：补充了 NLP 技术发展简史，新增 LLMs 与生成式 AI 专题章节，修订了所有实践案例以适配最新版本的 Python NLP 工具包。其适用人群广泛，包括人工智能、计算机科学、数据科学等相关专业的本科生与研究生，教授 NLP 或 AI 相关课程的教师，从事 NLP 与 AI 研发的科研人员及工程师，以及希望通过 Python 工具学习 NLP 技术的自学者。
作为兼具教材属性与实用指南的著作，本书既可以作为高校 NLP 课程的核心教材，也可作为技术人员的案头参考手册。它打破了理论与实践的壁垒，通过 “概念讲解 + 案例实操” 的模式，帮助读者夯实基础的同时，掌握构建文本检索、情感分析、智能问答等实际 NLP 应用的能力，为投身 AI 领域的学习与研究奠定坚实基础。