|
自然语言处理-Word2Vec视频教程 2017年10月新课
课程目标
掌握自然语言处理中最重要的模型Word2Vec的原理以及如何使用gensim库与Tensorflow进行建模。
适用人群
从事机器学习方向人员
课程简介
自然语言处理中最重要的算法，词向量模型。课程从语言模型入手，详解词向量构造原理与求解算法。理论与实战结合，使用Tensorflow从零开始打造word2vec词向量模型。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。
第1章Word2Vec原理1小时35分钟11节
1-1课程简介[免费观看]04:36
1-2自然语言处理与深度学习11:58
1-3语言模型06:16
1-4N-gram模型08:32
1-5词向量09:27
1-6神经网络模型10:02
1-7Hierarchical Softmax10:01
1-8CBOW模型实例11:20
1-9CBOW求解目标05:39
1-10梯度上升求解10:10
1-11负采样模型07:15
第2章Gensim构造词向量模型33分钟4节
2-1使用Gensim库构造词向量06:21
2-2维基百科中文数据处理10:27
2-3Gensim构造word2vec模型08:52
2-4测试模型相似度结果07:42
第3章Tensorflow实战word2vec1小时5分钟7节
3-1环境配置06:00
3-2中文数据预处理11:06
3-3word2vec模型构造10:36
3-4构造图计算模型07:54
3-5word2vec训练10:47
3-6模型训练模块10:18
3-7迭代预测效果08:39
第4章案例：情感分类任务56分钟4节
4-1影评情感分类任务概述17:49
4-2基于词袋模型训练分类器11:08
4-3准备word2vec输入数据10:46
4-4使用gensim构建word2vec词向量16:35
下载地址: itjc20
| 
发表于 2017-10-30 03:41:38
发表于 2017-11-2 10:38:23
发表于 2018-1-3 20:00:41
