人工智能深度学习系统班6期 24 自然语言处理经典案例实战
- 01 NLP常用工具包实战
- 01 Python字符串处理
- 02 正则表达式基本语法
- 03 正则常用符号
- 04 常用函数介绍
- 05 NLTK工具包简介
- 06 停用词过滤
- 07 词性标注
- 08 数据清洗实例
- 09 Spacy工具包
- 10 名字实体匹配
- 11 恐怖袭击分析
- 12 统计分析结果
- 13 结巴分词器
- 14 词云展示
- 02 商品信息可视化与文本分析
- 01 在线商城商品数据信息概述
- 02 商品类别划分方式
- 03 商品类别可视化展示
- 04 商品描述长度对价格的影响分析
- 05 关键词的词云可视化展示
- 06 基于tf-idf提取关键词信息
- 07 通过降维进行可视化展示
- 08 聚类分析与主题模型展示
- 03 贝叶斯算法
- 01 贝叶斯算法概述
- 02 贝叶斯推导实例
- 03 贝叶斯拼写纠错实例
- 04 垃圾邮件过滤实例
- 05 贝叶斯实现拼写检查器
- 04 新闻分类任务实战
- 01 文本分析与关键词提取
- 02 相似度计算
- 03 新闻数据与任务简介
- 04 TF-IDF关键词提取
- 05 LDA建模
- 06 基于贝叶斯算法进行新闻分类
- 05 HMM隐马尔科夫模型
- 01 马尔科夫模型
- 02 隐马尔科夫模型基本出发点
- 03 组成与要解决的问题
- 04 暴力求解方法
- 05 复杂度计算
- 06 前向算法
- 07 前向算法求解实例
- 08 Baum-Welch算法
- 09 参数求解
- 10 维特比算法
- 06 HMM工具包实战
- 01 hmmlearn工具包
- 02 工具包使用方法
- 03 中文分词任务
- 04 实现中文分词
- 07 语言模型
- 01 开篇
- 02 语言模型
- 03 N-gram模型
- 04 词向量
- 05 神经网络模型
- 06 Hierarchical Softmax
- 07 CBOW模型实例
- 08 CBOW求解目标
- 09 锑度上升求解
- 10 负采样模型
- 08 使用Gemsim构建词向量
- 01 使用Gensim库构造词向量
- 02 维基百科中文数据处理
- 03 Gensim构造word2vec模型
- 04 测试模型相似度结果
- 09 基于word2vec的分类任务
- 01 影评情感分类
- 02 基于词袋模型训练分类器
- 03 准备word2vec输入数据
- 04 使用gensim构建word2vec词向量（新）
- 10 NLP-文本特征方法对比
- 01 任务概述
- 02 词袋模型
- 03 词袋模型分析
- 04 TFIDF模型
- 05 word2vec词向量模型
- 06 深度学习模型
- 11 NLP-相似度模型
- 01 任务概述
- 02 数据展示
- 03 正负样本制作
- 04 数据预处理
- 05 网络模型定义
- 06 基于字符的训练
- 07 基于句子的相似度训练
- 12 LSTM情感分析
- 01 RNN网络架构
- 02 LSTM网络架构
- 04 情感数据集处理
- 05 基于word2vec的LSTM模型
- 13 机器人写唐诗
- 01 任务概述与环境配置
- 02 参数配置
- 03 数据预处理模块
- 04 batch数据制作
- 05 RNN模型定义
- 06 完成训练模块
- 07 训练唐诗生成模型
- 08 测试唐诗生成效果
- 14 对话机器人
- 01 效果演示
- 02 参数配置与数据加载
- 03 数据处理
- 04 词向量与投影
- 05 seq网络
- 06 网络训练