自然語言處理基礎
自然語言處理簡介與應用場景
文字預處理技術（分詞、去除停用詞、詞性標註等）
詞向量表示（如Word2Vec、GloVe）
Python工具入門：NLTK、spaCy
| 課程名稱： | 自然語言處理與輿情分析 |
課程英文名稱： | Natural language processing and public opinion analysis | ||||||||
|
教學目標：
本課程目的是讓學生深入理解自然語言處理的基本概念與技術，並掌握其在輿情分析中的應用。學生將學習如何運用詞向量、語言模型（如BERT、GPT）等現代技術進行文本處理與情感分析，並使用Python、spaCy等工具進行數據分析。此外，課程還強調輿情數據在政策和商業決策中的影響，培養學生利用數據輔助決策的能力。最終，學生將獨立進行輿情分析研究，撰寫並展示完整的分析報告，以提升其學術和實務的綜合能力。
|
|||||||||||
|
教材大網：
自然語言處理基礎
自然語言處理簡介與應用場景
文字預處理技術（分詞、去除停用詞、詞性標註等） 詞向量表示（如Word2Vec、GloVe） Python工具入門：NLTK、spaCy 教學參考節數: 4
情感分析與文本分類
情感分析的概念與應用
文本分類方法及其在輿情分析中的作用 基於Python的情感分析實作 機器學習模型（如SVM、隨機森林）在文本分類中的應用 教學參考節數: 6
主題建模技術
主題建模介紹及應用場景
LDA（潛在狄利克雷分配）及其算法原理 主題建模的Python實作 結果解釋與應用 教學參考節數: 6
現代語言模型應用
語言模型介紹：BERT、GPT等
語言模型在輿情分析中的應用 使用預訓練模型進行文本分析 Python環境下的語言模型實作 教學參考節數: 12
輿情分析應用與研究報告撰寫
輿情數據在商業決策及政策制定中的應用
分析結果的可視化與報告撰寫 研究報告撰寫指導 期末專題展示與成果分享 教學參考節數: 8
|
|||||||||||
基本素養能力圖系科專業能力圖
授課形式分析圖
|
|||||||||||