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：
$ E: n; S! ~/ z# X03-第三章：1、2章答疑
04-第四章：自然语言
7 K5 a1 C% _: e, E; o3.1 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
3.5 语义的进化.flv
3.6 语言模型：语言概率.flv
3.7 词袋模型.flv
  n( v! i; a" }: \6 Y  o; o8 \3.8 二元语言模型：CR情感分析.flv


05-第5章：语言模型和中文分词
. ~7 ]  N: W) J! t3 Z" t, i& \4.1 三元语言模型.flv
! j; s7 C! B  \' p* W0 X  J4.2 语言模型评价：交叉熵.flv
8 i. i+ W8 E) i4.3 语言模型评价：Perplexity(困惑度）.flv
4.4 语言评价模型：Interpolation(插值法).flv
8 H1 b5 s' [; b; j2 Z' G, @4.5 概率模型：垃圾邮件分类.flv
4.6 概率模型：拼写检查.flv
% s0 y9 {4 T) j$ c- U4.7 语音模型和机器翻译模型.flv
$ [" |. C3 q! P; _6 Z4.8 中文构词法.flv
4.9 最大化匹配.flv
* s/ }, F: D* Q% y. p; \- J4.10 N-Gram模型.flv
% ?) |! V! a9 N+ O4 u7 x4 z+ d. X4.11 Optimal Path 最优路径模型.flv
4.12 中文分词工具：Jieba.flv

6 ^3 r; i- i; I9 J+ v1 J/ g/ ?. r
06-第6章：第二周答疑
07-第7章：语言技术-词表达和Word2Vec
' F% _' c+ N' Y' X5.1 词表达.flv
9 q% t" V) z, w" f4 K. t5.2 语义相似度.flv
5.3 TF-IDF权重处理.flv
+ ]4 x& j3 m6 A3 M. u0 |0 L5.4 One-Hot表达.flv
5.5 神经网络基础.flv
+ Q) V8 N0 k, @5.6 神经网络：反向传播 1.flv
5.7 神经网络：反向传播 2.flv
5.8 Word2Vec-Part 1.flv
( a( q- f  V6 R2 Q: I5.9 Word2Vec-Part 2.flv
3 `; s1 s# Z- Z5 n) ]' v5.10 Word2Vec-Part 3.flv
+ m7 G" v8 ?0 t6 N" G  p
/ B2 W* ]$ l4 @
9 U1 u; ?! Q/ b8 r8 q/ X: [. t1 D08-第8章：语言技术-词性
1 }2 q/ |9 p  `6 b6 Z8 A$ w* B6.1 什么是词性标注（POS Tagging）.flv
; v( m! f; p/ `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
' M5 q/ B: s% P! P7 A5 }7 ^2 V4 t6.5 从混合模型到HMM.flv
6.6 混合模型详解1：EM模型.flv
6.7 混合模型详解2：EM模型.flv
6.8 混合模型详解3：高斯混合模型.flv
6.9 混合模型详解4：隐马尔可夫模型.flv
$ Q. M0 r: \" r0 o, |- D( B3 L6.10 混合模型详解5：隐马尔科夫模型.flv
0 B" u( |' M$ ^, o5 O
- n+ a8 C. A& G5 s& T/ G
1 Z" j  F" ~; ~09-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 z* Q' n. V" t9 X2 V7.3 概率图模型：隐马尔科夫链.flv
6 r2 B4 ~5 a( _8 D7.4 隐马尔可夫模型的推导 1.flv
3 T: X. z) n0 F  S7 K2 R7.5 隐马尔科夫模型的推导 2.flv
/ L' U! }8 i" j' {9 s7 O7.6 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
7.8 PLSA主题模型1.flv
7.9 PLSA主题模型 2.flv
! ?1 L$ p8 `! c7 t9 N& r

+ T* q  a4 k- P! p4 O  ]11-第11章：语言技术-文本与LDA主题模型
& z3 ]3 }$ t/ n) ^! Z. Z8.1 向量表达和潜在语义索引（LSI）.flv
  n+ H9 @. f& h" N8 \: N8.2 LDA和狄利克雷分布.flv
  z/ l3 _3 P/ o% ]9 C8.3 LDA主题模型.flv
8.4 主题模型的深化与对比.flv
8.5 语义距离（Semantic Distance）.flv
8.6 中文LDA模型：Word-base 和 Character-Base.flv
( c7 Z( Y* T8 T8.7 实验报告：困惑度（Perplexity）.flv
) m7 V5 U0 X8 l8 W% ]8.8 实验报告：文本分类准确度.flv
- Z' ]8 C; w& E5 |% u8.9 中英双语料库实验.flv
9 k( j2 q( f( s5 o8.10 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
" B8 J- Q9 p. Z: H8.12 实验总结.flv


, _- a" j. I0 k12-第12章：第四周答疑
13-第13章：语言技术-句法
  f' B- _5 @# h; |  H7 l9.1 上下文无关句法（CFG）-Part 1.flv
9.2 上下文无关句法（CFG）-Part 2.flv
) D8 h! L% R9 ]; K9.3 概率上下文无关句法（PCFG）- Part 1.flv
" ]' s% S' ^5 X' {3 }! i& W9.4 概率上下文无关句法（PCFG）-Part 2.flv
( {! _. r, F% N* x# N. [! D9.5 概率上下文无关句法（PCGF）-Part 3.flv
. V) s% R& X) N; q% ~; Y* `
6 Y5 Z6 d# P5 h. T9 ]  ?
6 X& W. h1 F. K$ s1 ?/ y14-第14章：机器翻译
15-第15章：第五周答疑
0 j0 [- v) o8 C; W16-第16章：卷积神经网络CNN
6 U4 O) H7 S- a; J11.1 神经元.flv
11.2 全连接网络及特性.flv
' B) r7 x* X: Z11.3 Auto-Encode 自编码器.flv
11.4 反向传播（BP）.flv
11.5 卷积神经网络（CNN）的理解.flv
$ t4 h+ o, o; q8 h$ B11.6 CNN的基本原理：卷积核、权重和池化.flv
+ y! f+ `9 x+ N7 U8 ~5 w0 O: R11.7 CNN的计算过程.flv
11.8 CNN如何应用在自然语言处理中.flv

! @0 z' ^$ l% ~0 Y4 G" \: x8 c0 L
1 l9 T) z! M5 U! P9 |* F7 `6 c; w17-第17章：循环神经网络RNN
& n5 ?; r0 T6 g8 P, v- x* t$ {1 B2 E12.1 循环神经网络的基本原理.flv
12.2 Elman Network和Jordan Networ.flv
$ Z+ d7 u& c# `- x2 a: @' J: ~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
5 s) m# V; ^8 s2 U4 d12.6 Seq2Seq 模型.flv
12.7 注意力机制（Attention Mechanism）.flv
5 F2 |1 e' a0 p0 O3 Z9 t6 Y
( E4 u- D! p' ]0 ?
9 ^% k- o. N2 N/ N- y18-第18章：第六周答疑
. g& p  K, o1 k. ~, f+ f  j
3 N, r( i; I% n" c2 y2 o( o

游客，如果您要查看本帖隐藏内容请回复

0 O9 G' D5 M2 }- T& c