内容简介：本书全面、系统、深入地介绍自然语言处理（NLP）的核心知识与实践方法，涵盖从传统模型到基于Transformer架构的大语言模型的完整知识体系。本书通过理论推导与Python代码实践相结合的方式，深入解析词嵌入、句法分析、序列建模等基础技术，并重点探讨Transformer架构、预训练范式、生成控制与RLHF对齐等大语言模型的关键技术。本书结合多个Python实践案例与伦理问题，帮助读者掌握“基础理论→算法实现→应用落地”的NLP任务构建全栈能力。本书共12章，分为4篇。第1篇自然语言处理基础与词表示，介绍词袋模型、TF-IDF、Word2Vec和GloVe词嵌入等NLP基础，以及神经网络基础、朴素贝叶斯在情感分类中的作用、N-gram语言建模等；第2篇语言结构与句法解析，介绍上下文无关语法、成分解析与依存句法分析等；第3篇序列建模与深度学习方法，深入介绍循环神经网络、长短期记忆网络、门控循环单元、序列到序列模型、注意力机制与Transformer架构等；第4篇大语言模型与生成技术，介绍自然语言生成的解码过程、常见问题及其解决方案、评估指标、评价方法、伦理问题，以及大语言模型预处理。