|
|
课程介绍:
" }9 R/ N. d; y* p0 Z2 B- D; r& e
+ w6 j1 ?0 P- y# A' ^3 \+ O) x' h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。 , O: A, _, V3 s' W4 S
) x# a7 J( P/ j3 v课程目标:
* l K; ^3 U* ^7 R {7 @' ^
; l$ z, G. L7 ^% h+ V: c& K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。* t0 Q3 g# Y {, ^- S( Y5 h
& M$ I/ `- `+ h% \, `1 a适用人群:4 i h B! {' p+ |
/ P4 \3 O- i1 n- X2 O1 V( Z6 W2 G% c从事机器学习方向人员
( [6 x6 _* ~3 v! w) i4 e( a9 f0 L3 c! ~2 W- { L, o q
课程目录:
" Z( n( r& k" F( p2 w9 d- Q7 Z+ b( r% e, i& i: e
word2vec
5 _. J2 Q8 `- U001 课程简介
4 K% e7 B* _! g( T002 自然语言处理与深度学习
( s1 V# E- f: ^9 E003 语言模型
) b; R% V3 W9 |+ w3 \) ?004 N-gram模型
0 D% }7 f7 y( V0 v005 词向量 4 T$ G" x% A1 u
006 神经网络模型
0 t: _: F; \5 H! `; _$ P5 h007 Hierarchical?Softmax
: z: d* [ Q$ a008 CBOW模型实例
; |+ H' x& d5 W* U9 D7 U& R009 CBOW求解目标 4 j: `) t& }+ [0 a. w
010 梯度上升求解 9 X" t+ [ a4 ? u8 ?6 ^
011 负采样模型 % k( \2 z9 S1 \6 _ x* p! W- R( x
012 使用Gensim库构造词向量
. S( d S: Z3 u013 维基百科中文数据处理
0 r4 |( I1 S/ D014 Gensim构造word2vec模型
; c/ R# O- b8 ]6 L015 测试模型相似度结果
) }3 P$ o; o/ _: j$ `016 环境配置
3 j$ g2 P- q* X' y# x; u017 中文数据预处理
w8 @, [$ i+ G0 C1 O4 v018 word2vec模型构造 # H& U5 B1 X) E2 X# e3 G% s/ Y
019 构造图计算模型
. r6 v3 H! ] i9 {/ J' t/ {020 word2vec训练
5 h$ q3 e* `( G7 w021 模型训练模块 0 r9 H7 }+ @* j* p8 r2 t! X
022 迭代预测效果 ( \$ j$ R3 u: K
023 影评情感分类任务概述 9 }* k# p8 [5 N# s
024 基于词袋模型训练分类器
5 i' T& M% ?! E8 M( _025 准备word2vec输入数据
# i# |& k3 R3 `3 H/ h: p026 使用gensim构建word2vec词向量 6 A$ |" J* O) l3 c. J" v
k; T' B- b; d) A7 S: z7 N$ F$ q9 G0 W
) H5 s2 k$ l$ ]) f. b8 Y, z0 R1 ?" i; \) }- Z* o% F" l
/ R( ?" Q' K! F
/ J5 ^! K- _5 b: A. ]+ K
, z. h0 \0 i7 }# R7 A) I, k- j, i
! m. p" ?! Y4 X. Y+ J资源下载地址和密码（百度云盘）： [/hide] 百度网盘信息回帖可见. l2 E2 ?2 h# I ^
, t6 k5 K+ W3 H! F3 b3 o
% f) x# r: A) ?9 x
! `2 k. u) Y4 W( y/ P* x本资源由Java自学网收集整理【www.javazx.com】 |
|
发表于 2022-6-27 12:51:01
