当前课程知识点：自然语言处理 > 第五章 表示 > 第三节 语言表示：通用特征模板与加权的独热 > 5.3
-自然语言处理概要
--单元
-绪论 章节测试
-语言模型
--语言模型
-第一章 章节测试
-无监督的结构化学习
--单元
-第二章 章节测试
-第一节 确定机器学习单元
--3.1
-第二节 自然语言处理中的结构化学习任务
--3.2
-第三节 退化为分类问题
--3.3
-第四节 结构分解
--3.4
-第三章 章节测试
-第一节 局部马尔可夫模型与概率图模型
--4.1
-第二节 其他相关任务的标注形式化
--4.2
-第三节 隐马尔可夫模型与线性序列上的不等分解
--4.3
-第四章 章节测试
-第一节 语言表示：独热
--5.1
-第二节 语言表示：特征函数
--5.2
-第三节 语言表示：通用特征模板与加权的独热
--5.3
-第五章 章节测试
-第一节 机器学习模型
--6.1
-第二节 直接的模型：感知机
--6.2
-第三节 直接的模型：K-最邻近
--6.3
-第四节 损失函数：最大边界（上）
--6.4
-第五节 损失函数：最大边界（下）
--6.5
-第六节 损失函数：交叉熵（上）
--6.6
-第七节 损失函数：交叉熵（下）
--6.7
-第六章 章节测试
-第一节 深度自然语言处理
--7.1
-第二节 词向量
--7.2
-第三节 自动学习的词向量
--7.3
-第四节 评估词向量
--7.4
-第五节 基于词向量的分类
--7.5
-第六节 神经网络
--7.6
-第七节 RNN
--7.7
-第八节 CNN
--7.8
-第九节 深度学习工具包
--7.9
-第七章 章节测试
-第一节 句法分析简介
--8.1
-第二节 成分短语分析：上下文无关文法
--8.2
-第三节 成分短语分析：结构歧义
--8.3
-第四节 概率上下文无关文法
--8.4
-第五节 依存分析：带中心词标注的CFG
--8.5
-第六节 依存分析：树库
--8.6
-第七节 依存分析：结构
--8.7
-第八节 图表分析
--8.8
-第九节 基于图模型和转移模型的分析（上）
--8.9
-第十节 基于图模型和转移模型的分析（下）
--8.10
-第八章 章节测试
-第一节 任务和数据
--9.1
-第二节 最大熵模型
--9.2
-第三节 神经模型+依存形式
--9.3
-第四节 神经模型+成分形式
--9.4
-第五节 影响性能的因素+统一建模依存和成分语义角色标注
--9.5
-第九章章节测试
-第一节 自然语言理解
--10.1
-第二节 语言模型
--10.2
-第三节 语言表示（上）
--10.3
-第四节 语言表示（中）
--10.4
-第五节 语言表示（下）
--10.5
-第六节 面向机器阅读理解的语言模型
--10.6
-第十章 章节测试
