|
|
课程介绍:
1 Q1 z% a4 t" s* t8 v3 u5 d
o- P3 k1 m2 [0 Y! ` W: A& R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。
7 u& F" M8 h! U/ M7 h2 [/ W$ P1 u5 h- F" R+ z! }& |
课程目标:
* o$ }5 I- A6 H+ m) ?# h# G i5 ~) y! K. M1 I. R" @8 A
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。
! t% p1 l$ T2 u; \, S& D0 \! t. n x1 ]1 Y" q# ]) R3 Z5 i, ?
适用人群:& }9 q! P/ S& J" N
1 a5 T% S1 H x! x% c6 I从事机器学习方向人员( P. g# W8 @7 f6 y- m. u4 w8 t9 M0 d6 |
2 F8 J5 p0 W- o$ ^5 q课程目录:
/ O0 N7 d$ {# Y
5 r- e r7 v5 B% w/ sword2vec
z6 R+ q! \3 Y3 x1 y001 课程简介 3 m4 [2 `; M. I4 _" e2 n
002 自然语言处理与深度学习
- F4 I3 m* l) t. T2 f003 语言模型
, a5 v. g( R9 L8 _7 M* i; Q004 N-gram模型 3 D# e0 |1 ?3 o" ]* Z; l
005 词向量
# P2 c3 |) m9 c$ q' q" S8 x1 q {006 神经网络模型
' M: _7 i s% B0 {0 f007 Hierarchical?Softmax ; Y+ y) J& U0 O( f, S$ z+ p2 f) z
008 CBOW模型实例 $ q3 {% t5 m8 F% ]. B
009 CBOW求解目标
9 k" @- v5 J" s6 E: o8 E' m010 梯度上升求解 $ M& j6 f; t$ l/ W) {; n6 f: @
011 负采样模型 2 u0 Z# l! e& K2 `$ z G. J
012 使用Gensim库构造词向量 ; z) X+ z" k2 D% ?" j) I5 p
013 维基百科中文数据处理
) f5 E! U& Y6 H6 x+ I, n014 Gensim构造word2vec模型 . W3 k& F* V5 I6 ?# _1 e
015 测试模型相似度结果
6 A. P8 u$ t! \- r9 p5 [016 环境配置
/ f2 c6 |: _$ ] o5 e017 中文数据预处理 / @8 }6 [* \( ?4 T7 Y+ q4 A/ C: g
018 word2vec模型构造 8 ?5 f5 k+ p3 I; V5 I& ^8 O- H+ Q6 g
019 构造图计算模型 $ t- j! o( t% V) y8 q6 ]3 M* l
020 word2vec训练 3 u; }" S8 q Y* k9 I1 h. U7 {
021 模型训练模块 ) G/ k r/ _- z) T4 L
022 迭代预测效果
: n/ S# K7 m- q/ T9 ?# ?) z023 影评情感分类任务概述
& y# O$ s* v( g: P( Z024 基于词袋模型训练分类器 7 g3 \& p2 c3 A
025 准备word2vec输入数据
' v% |! H# y& m7 j; x026 使用gensim构建word2vec词向量
% e( g$ o, `( ]. e" V3 d' W6 {, l% y
! a. }2 B3 R! F
?2 U9 N4 x9 V
% Q8 s+ M/ K( K- ]! s, v, V
0 `, V- i) \% k0 c3 b
& }) H. I- s o
4 P' n4 Q% a. d6 y/ z% l/ C" j
|+ M$ m2 m" M2 Q8 l+ c资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见
- } W7 M% I! q# w) `/ |
9 D, w. |; h0 d2 e: z( m; M! M+ H+ k, P5 a4 w, t* t
, v1 g5 p+ L+ e+ ~本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-27 12:51:01
