小象学院《自然语言处理》第二期视频教程 附课件资料

冰点也疯狂

课程目录：
0 A$ [% A8 g0 y- d( t# F% f03-第三章：1、2章答疑
2 c+ \7 a" H+ n9 W+ E04-第四章：自然语言
3.1 语言的进化：来自自然选择的社会协作.flv
" A: ~9 _4 L3 n+ C; z3.2 语言的进化：语言游戏与摩斯密码.flv
3.3 语言与智能：信息熵.flv
3.4 语言与智能：交叉熵的定义.flv
/ B9 G, E  ?5 ~: |3.5 语义的进化.flv
/ {2 R) {4 {; ^& [8 K$ F3.6 语言模型：语言概率.flv
% C4 `- G$ |# L* t: s8 d3.7 词袋模型.flv
# H; M1 u8 ~7 r7 F) G7 c% N+ X3.8 二元语言模型：CR情感分析.flv
* @5 t! I# d% |8 h8 t6 |
" w4 v1 K/ {3 `) F9 U: b
05-第5章：语言模型和中文分词
# R! ~/ b) v2 e: h+ p3 n0 G, A4.1 三元语言模型.flv
4.2 语言模型评价：交叉熵.flv
1 G3 b9 b7 ~! ~- J. `9 `/ c! a4.3 语言模型评价：Perplexity(困惑度）.flv
# e$ w* ?2 i' h. ?3 l% s4.4 语言评价模型：Interpolation(插值法).flv
2 B" r. V) b; [1 H( G4.5 概率模型：垃圾邮件分类.flv
; s) C1 f- j. H. v& d2 I7 y% A' `$ b' m4.6 概率模型：拼写检查.flv
4.7 语音模型和机器翻译模型.flv
4 {- ?4 L1 `$ v+ b0 d0 ]3 d6 F9 w6 _; p4.8 中文构词法.flv
% T, \  Y7 F# S9 R4 O4.9 最大化匹配.flv
4.10 N-Gram模型.flv
4.11 Optimal Path 最优路径模型.flv
/ t, P9 D, {- H4.12 中文分词工具：Jieba.flv

. c; Z' `% S8 c* y# F: w
4 q; P; K1 q+ U/ G7 ~06-第6章：第二周答疑
07-第7章：语言技术-词表达和Word2Vec
5.1 词表达.flv
" @7 v" Q* y9 A7 r$ C4 b! z5.2 语义相似度.flv
5.3 TF-IDF权重处理.flv
5.4 One-Hot表达.flv
5 m2 Y) `, ~* h9 r0 b5.5 神经网络基础.flv
9 W" w5 t' Y4 `( m3 ^5.6 神经网络：反向传播 1.flv
4 M( Z) f$ w8 X; Z$ z9 t$ B5.7 神经网络：反向传播 2.flv
5.8 Word2Vec-Part 1.flv
5.9 Word2Vec-Part 2.flv
5.10 Word2Vec-Part 3.flv
5 ]. C: X$ E- @" ^$ z# V

* y& i2 a3 d  O3 D$ |. I08-第8章：语言技术-词性
6.1 什么是词性标注（POS Tagging）.flv
6 y- G3 G/ b/ P! v: t6.2 词性标注的方法.flv
- B+ }+ \, E6 f6.3 词性的标注类别和标注集.flv
6.4 规则标注和N-Gram方法.flv
" }  k" }4 ]5 \4 J  u* Z# {* U, ]6.5 从混合模型到HMM.flv
6.6 混合模型详解1：EM模型.flv
" {2 O1 O/ ?, y# h. j3 Y6.7 混合模型详解2：EM模型.flv
6.8 混合模型详解3：高斯混合模型.flv
" M9 w$ f5 d- J) C6.9 混合模型详解4：隐马尔可夫模型.flv
6.10 混合模型详解5：隐马尔科夫模型.flv

- E8 p" N  F0 w' w/ t$ h5 S
# d4 h. R/ I, H' _, Q# j09-第9章：第三周答疑
10-第10章：语言技术-概率图模型
7.1 概率图模型：贝叶斯网络（有向无环图）.flv
7.2 概率图模型：分层图模型.flv
9 Y+ P% g( B. C' b7.3 概率图模型：隐马尔科夫链.flv
! [/ V0 {, L7 X2 d! ?/ B& h. S8 g) ~7.4 隐马尔可夫模型的推导 1.flv
6 H9 G! F! k1 v( j, S2 D7.5 隐马尔科夫模型的推导 2.flv
2 A; j, D* L% I4 q' n+ `7 N7.6 隐马尔科夫模型的推导 3.flv
7.7 隐马尔科夫模型的推导 4.flv
! e( Z: Y  i- ~7.8 PLSA主题模型1.flv
7.9 PLSA主题模型 2.flv
6 u3 K1 j3 T: H7 z6 w0 V
* t* H" q' _) D% o) A- }) k
11-第11章：语言技术-文本与LDA主题模型
8.1 向量表达和潜在语义索引（LSI）.flv
8.2 LDA和狄利克雷分布.flv
* l& W3 D4 z0 W, Z2 f+ g8.3 LDA主题模型.flv
8.4 主题模型的深化与对比.flv
! m: t4 [# k6 t. M$ y7 k9 k0 g8.5 语义距离（Semantic Distance）.flv
8.6 中文LDA模型：Word-base 和 Character-Base.flv
" _, ^8 i. K$ b, L8.7 实验报告：困惑度（Perplexity）.flv
' y7 E$ X( A8 s; z* _6 y& W3 z8.8 实验报告：文本分类准确度.flv
6 z/ j3 W+ M* c) a1 f* n8.9 中英双语料库实验.flv
8.10 实验报告：文本语义相似度.flv
9 F* w1 q0 F& C8.11 延展实验：主题模型引入字词关系的实现.flv
: W  r$ G: E6 q2 G' r3 m8.12 实验总结.flv
" b1 a) t5 m6 T  A
) l* B1 p, ?1 i0 z% \* G* O7 ?* t
12-第12章：第四周答疑
13-第13章：语言技术-句法
: P8 w) C' [0 b9 p  {9.1 上下文无关句法（CFG）-Part 1.flv
% H+ P# p2 Y' W* T1 d4 U9.2 上下文无关句法（CFG）-Part 2.flv
0 P* t3 Q6 W5 J/ S& P+ }9.3 概率上下文无关句法（PCFG）- Part 1.flv
* v6 b4 ]/ t+ w) J9.4 概率上下文无关句法（PCFG）-Part 2.flv
9.5 概率上下文无关句法（PCGF）-Part 3.flv
/ m3 b1 `8 R) j1 ?7 t" D& u' y' h

14-第14章：机器翻译
& j( M4 J: C- o" n2 Z  y$ y7 D15-第15章：第五周答疑
16-第16章：卷积神经网络CNN
11.1 神经元.flv
* v9 Z7 z: N4 c! Q11.2 全连接网络及特性.flv
11.3 Auto-Encode 自编码器.flv
8 u" [1 ^5 k, F7 \11.4 反向传播（BP）.flv
11.5 卷积神经网络（CNN）的理解.flv
/ c5 J. z+ z$ r- F7 ]0 {11.6 CNN的基本原理：卷积核、权重和池化.flv
: k- f4 p7 ]- d9 t7 E11.7 CNN的计算过程.flv
11.8 CNN如何应用在自然语言处理中.flv
# M0 [7 p  @; j. o
% Q' B  _, |3 M% R( w7 J
6 X: V0 z+ r$ t1 A/ W# j17-第17章：循环神经网络RNN
12.1 循环神经网络的基本原理.flv
& E' h" w( [. k. t12.2 Elman Network和Jordan Networ.flv
12.3 LSTM的核心思想.flv
12.4 LSTM的分步实现详解.flv
12.5 Encoder-Decoder 框架.flv
12.6 Seq2Seq 模型.flv
. @/ r, o* U; y9 P  N  s  {12.7 注意力机制（Attention Mechanism）.flv
2 _. _1 U0 |4 z2 Y

1 X8 {* A  p/ ?  `; Q18-第18章：第六周答疑

. |; H) i3 z& I& I

游客，如果您要查看本帖隐藏内容请回复

2 S+ y4 Y! |* O" z4 b/ G