1.5　本书的组织结构

本书共8章。

第1章为绪论，简单介绍语言智能处理的学科定位、研究现状和发展趋势。

第2章为语言模型与知识表示，重点说明语言模型和知识表示方法是基于统计和深度学习的自然语言处理的基础。

第3章为语言分析技术。语言分析技术是语言智能处理很多任务场景和应用系统的基础性关键技术，从词法分析、句法分析到篇章分析及语义分析，由表层到深层，涵盖不同的语言层面。

第4章为语言情感分类。情感在人类理性行为和理性决策中起着重要的作用。本章主要介绍现有情感研究体系中情感描述的主要方法、自然语言文本情感识别模型，以及包括语音情感特征提取和情感识别模型在内的语音情感计算相关研究情况。

第5章为自然语言生成技术。自然语言生成是语言智能处理中非常重要的基础任务之一，越来越受到研究者的关注。本章介绍了传统自然语言生成方法，重点阐述了目前主要的基于深度神经网络的现代自然语言生成模型，包括序列到序列模型、变分自编码器、生成式对抗网络、基于预训练语言模型的生成方法等。

第6章为自动问答与人机对话。大规模问答和对话领域语料的积累及知识图谱的发展，使得自动问答和人机对话已经成为语言智能处理研究的前沿之一。本章介绍了基于语义解析的知识库问答、基于深度神经网络的端到端知识库问答、机器阅读理解任务的定义和主流框架，以及面向任务型的对话系统和聊天机器人的定义、主流结构和代表性系统。

第7章为机器翻译。机器翻译是语言智能处理典型的应用场景之一，也是目前人工智能领域的重要研究方向之一。本章介绍了机器翻译技术发展的历程，重点介绍了神经机器翻译研究的核心模型、关键技术及机器翻译评测与开源工具。

第8章为信息检索与信息推荐。互联网的大范围应用和信息过载给信息时代的人们带来的海量信息输入超过了个体接收和处理能力，产生了信息理解、利用和快速决策等一系列新生问题。为解决这些新生问题，信息检索与信息推荐技术应运而生。本章介绍了信息检索与信息推荐的概念及发展历程，重点阐述了信息检索与信息推荐的主要前沿技术、产业应用及发展趋势。

[1]数据来源：ACL 2019官方博客，网址：https：//acl2019pcblog.fileli.unipi.it/。

[2]参见ACL 2020官方博客，网址：https：//acl2020.org/blog/general-conference-statistics/。