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：
03-第三章：1、2章答疑
" H8 x9 z2 ^- \" z  x4 Z04-第四章：自然语言
; }" Y% N/ h3 ]6 Y) U9 `3.1 语言的进化：来自自然选择的社会协作.flv
3.2 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
) D  ^1 M' _* G3 B3 `" v# J3.5 语义的进化.flv
3.6 语言模型：语言概率.flv
3.7 词袋模型.flv
) L# s3 a: m" h% J3.8 二元语言模型：CR情感分析.flv
( U8 v* X1 d8 Y! d

, N- T# c  u! q2 P4 a05-第5章：语言模型和中文分词
" G  t) W+ w& o( g- p: @4.1 三元语言模型.flv
9 H. e0 I& i4 g9 _. ~& Q/ D+ H4.2 语言模型评价：交叉熵.flv
+ t  i' c/ t) E4 X3 z4.3 语言模型评价：Perplexity(困惑度）.flv
4.4 语言评价模型：Interpolation(插值法).flv
3 o4 u! U# h5 z1 b, X4.5 概率模型：垃圾邮件分类.flv
- T) P/ P$ u+ f4.6 概率模型：拼写检查.flv
4.7 语音模型和机器翻译模型.flv
' c5 _3 M& Z. `" p2 P. M4.8 中文构词法.flv
  m" W5 F* w" P0 K9 U# D4.9 最大化匹配.flv
4.10 N-Gram模型.flv
4.11 Optimal Path 最优路径模型.flv
4.12 中文分词工具：Jieba.flv

8 @& v1 z! L5 R8 O5 Z: ?- w
06-第6章：第二周答疑
07-第7章：语言技术-词表达和Word2Vec
& O( t- W: t8 l$ E, f' W% l5.1 词表达.flv
5.2 语义相似度.flv
/ y1 A( H) e$ y/ J. Y. w5.3 TF-IDF权重处理.flv
5.4 One-Hot表达.flv
5.5 神经网络基础.flv
2 ]8 |+ E( }2 a( q5.6 神经网络：反向传播 1.flv
0 |, V8 h. h) M' L5.7 神经网络：反向传播 2.flv
/ l4 B# s. ^6 R; H, V1 |/ [5.8 Word2Vec-Part 1.flv
5.9 Word2Vec-Part 2.flv
3 @. [! \1 Y1 ?, q* u5.10 Word2Vec-Part 3.flv

% Y2 s* U" e7 Y( E7 I
3 i9 C1 ^: k0 A6 U08-第8章：语言技术-词性
3 W& |! r! q5 E9 g6.1 什么是词性标注（POS Tagging）.flv
6.2 词性标注的方法.flv
6.3 词性的标注类别和标注集.flv
6.4 规则标注和N-Gram方法.flv
6.5 从混合模型到HMM.flv
7 x2 e! G9 a2 k6.6 混合模型详解1：EM模型.flv
6.7 混合模型详解2：EM模型.flv
: w* ~# `" M! T2 W( x2 }6.8 混合模型详解3：高斯混合模型.flv
: O, \8 g+ c; F' Q* q4 Y6.9 混合模型详解4：隐马尔可夫模型.flv
/ n9 S. J  E" X' k6.10 混合模型详解5：隐马尔科夫模型.flv
% M3 }, w( c" @; c: S

7 O6 K: Y: W3 a4 W* i09-第9章：第三周答疑
10-第10章：语言技术-概率图模型
! q$ }- M! M* i7.1 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
7.3 概率图模型：隐马尔科夫链.flv
7.4 隐马尔可夫模型的推导 1.flv
9 F( Y5 u1 r2 X1 G& Q% A7.5 隐马尔科夫模型的推导 2.flv
7.6 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
/ ~% R( }/ _" j  `- t$ k7.8 PLSA主题模型1.flv
7.9 PLSA主题模型 2.flv
& }" E& Y# E! {1 S% X- @
+ M9 e* o1 ~0 u' h
11-第11章：语言技术-文本与LDA主题模型
' h7 y' }- m) i! A+ `8.1 向量表达和潜在语义索引（LSI）.flv
! T+ r# z. m# G- a  ?0 H8.2 LDA和狄利克雷分布.flv
! ]1 ~- J2 `8 Z& n+ s$ \1 h0 [3 M$ s8.3 LDA主题模型.flv
8.4 主题模型的深化与对比.flv
8 M( v0 A& o- K1 z, ^8.5 语义距离（Semantic Distance）.flv
8.6 中文LDA模型：Word-base 和 Character-Base.flv
  F6 C$ M( w$ p4 V6 ^2 k8.7 实验报告：困惑度（Perplexity）.flv
2 ^; h! |4 h) I& R# G# z8.8 实验报告：文本分类准确度.flv
' b5 M9 s" w! J! G- z0 }0 ^$ y8.9 中英双语料库实验.flv
8.10 实验报告：文本语义相似度.flv
8.11 延展实验：主题模型引入字词关系的实现.flv
5 p% M" k" q6 S# [* I% y4 U8.12 实验总结.flv

/ P  d9 @4 a5 o+ X# q8 ]* D$ b
8 h/ }. ~  x4 g  r) Y3 y12-第12章：第四周答疑
13-第13章：语言技术-句法
* y! S! a, W* w" |. Y5 a9.1 上下文无关句法（CFG）-Part 1.flv
* p2 x* C1 r) F+ p: ^' g7 L9.2 上下文无关句法（CFG）-Part 2.flv
8 u1 o+ J! a0 t$ L) l& L3 q9.3 概率上下文无关句法（PCFG）- Part 1.flv
9.4 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
/ n+ G7 S% |5 D7 i5 R' b

! a, x; V' f/ k14-第14章：机器翻译
0 ]9 R* ^' y4 ?% D9 S5 K6 L15-第15章：第五周答疑
8 q: K1 v* Q8 ~$ p( C16-第16章：卷积神经网络CNN
. P) f! A8 b% U" M& q7 h6 v11.1 神经元.flv
11.2 全连接网络及特性.flv
, e3 j& }2 K8 W( q11.3 Auto-Encode 自编码器.flv
6 p& m6 ?% ?0 d1 i' L% r( G11.4 反向传播（BP）.flv
5 \- b* g1 `1 D2 q3 C* A11.5 卷积神经网络（CNN）的理解.flv
6 m" f1 r) @8 i/ |8 }11.6 CNN的基本原理：卷积核、权重和池化.flv
11.7 CNN的计算过程.flv
8 e9 F! Z; ?; O9 k' h; ~11.8 CNN如何应用在自然语言处理中.flv
7 t; m. L7 A& V2 z
/ R* ]* f  O! M8 `3 [
17-第17章：循环神经网络RNN
12.1 循环神经网络的基本原理.flv
12.2 Elman Network和Jordan Networ.flv
9 A9 W* i: Y# e5 J0 m' B7 t+ J12.3 LSTM的核心思想.flv
/ G9 C' m4 a% c- ~* _# @% O' ^12.4 LSTM的分步实现详解.flv
! ?1 x, M6 g- N. [12.5 Encoder-Decoder 框架.flv
12.6 Seq2Seq 模型.flv
12.7 注意力机制（Attention Mechanism）.flv
5 I4 j0 p. t& h! y* V4 }

9 N' I$ `3 W6 F, O) ?. k18-第18章：第六周答疑
4 ]7 A2 C3 x3 X% A

游客，如果您要查看本帖隐藏内容请回复

* j# ~+ n( t; r! @! Q) n% O1 c