|
|
【课程介绍】* a( {& r; D7 o' k! \3 A; _
自然语言处理Word2Vec视频培训课程:自然语言处理中重要的算法,word2vec原理,词向量模型。教程从语言模型入手,详解词向量构造原理与求解算法。理论与实战结合,使用深度学习框架Tensorflow从零开始打造word2vec词向量,word2vec训练模型。对于海量中文数据演示如何使用Gensim库对中文维基百科数据进行词向量建模。
k9 ?+ p4 d3 x' p3 V( {
9 v0 Z, W, x: }( L2 ?: E1 P【课程收益】1 t2 y% x, O! k
会使用深度学习框架Tensorflow从零开始打造word2vec词向量
' r) w# G( l: |/ {0 P" b掌握自然语言处理最重要模型word2vec,实例演示实现方法与Gensim库的使用。
' f! {0 m$ P3 o; ^- I% E; B( n& c7 h( K9 d" [5 P( ^8 }9 t
【课程目录】
9 h# l2 a9 u9 \* L. y001、课程简介
9 p9 @* t$ N2 i$ @/ |2 U002、自然语言处理与深度学习
6 L$ M" z% T' `. }003、语言模型9 _+ \& P! j9 N% _1 T- e
004、N-gram模型
# l- `) h4 d. ^# f) }: v5 V. Y005、词向量
$ z0 ]9 ]" q; I' l2 I! Z. S006、神经网络模型
7 ^) K- F b# S" O$ Q007、Hierarchical Softmax* G3 f5 A! @2 m" k) r* d5 P
008、CBOW模型实例
' Y# ~. x) b5 N( m( q009、CBOW求解目标3 o- l4 o- `6 P1 r3 O
010、梯度上升求解
% J# Z6 V# Z& i/ i( z011、负采样模型
) |" h% P. W. v v3 f012、使用Gensim库构造词向量% ]7 D* g' Y" \3 D9 K2 W: ~+ z
013、维基百科中文数据处理4 k! d; k( @+ o/ s; h) ~
014、Gensim构造word2vec模型/ q ?6 ~) a* o
015、测试模型相似度结果; Y; G+ j* _- C, c
016、环境配置
4 k) e p( z3 q017、中文数据预处理
& _4 q% A+ @' O. X% b4 O# ]018、word2vec模型构造. q$ W+ V4 F, b! S' C( W. [
019、构造图计算模型0 ? o) [' F+ x- G; I4 N
020、word2vec训练! m# z8 _6 m6 X. W) N9 r% @# y
021、模型训练模块
3 n6 }# C; j0 x9 s022、迭代预测效果; w9 `, J: h! R: B
023、影评情感分类任务概述
/ P# _+ _; x) `: i2 P. N024、基于词袋模型训练分类器5 N; q# u7 I" b
025、准备word2vec输入数据
0 u# B7 h$ e7 e6 j& _026、使用gensim构建word2vec词向量+ `$ O) H/ \- x9 F2 e- }! t0 M2 l
8 B% J" W" p# J# q/ I
|
本帖子中包含更多资源
您需要 登录 才可以下载或查看,没有账号?立即注册
×
|