本课程专注于人工智能领域中的词向量与词嵌入技术，深入讲解其在自然语言处理中的核心作用。课程涵盖Word2Vec、GloVe等经典模型的原理，以及深度学习在词嵌入中的应用。通过实际案例，学习如何将这些技术应用于文本分类、情感分析等任务。学员将掌握词嵌入的基本原理和实现方法，提升解决实际NLP问题的能力。
| 章节 | 内容 |
|---|---|
|
章节1 词向量与词嵌入 |
1 : 什么是NLP 2 : NLP的发展历程_规则驱动阶段 3 : NLP的发展历程_统计学习阶段 4 : NLP的发展历程_深度学习阶段 5 : NLP的发展历程_预训练语言模型阶段 6 : jieba分词器_介绍 7 : jieba分词器_添加自定义字典 8 : jieba分词器_抽取关键词 9 : jieba分词器_设置停用词&词性标注 10 : NLTK_介绍 11 : NLTK_词形还原&Text对象 12 : NLTK_停用词&词性标注 13 : NLTK_分块功能 14 : 词向量与词嵌入_one hot 15 : 词向量与词嵌入_Word2Vec 16 : 词向量与词嵌入_Word2Vec的用途与缺点 17 : 词向量与词嵌入_Word2Vec训练流程 18 : 词向量与词嵌入_训练细节 19 : 词向量与词嵌入_负采样模型 20 : 词向量与词嵌入_Word2Vec训练案例 21 : 词向量与词嵌入_Word2Vec模型评估 22 : Glove_介绍 23 : Glove_训练过程 24 : Glove_训练案例 25 : Glove_测试模型 26 : FastText_介绍 27 : FastText_子词机制的工作原理 28 : FastText_案例 29 : FastText_模型测试 30 : Doc2Vec_介绍 31 : Doc2Vec_训练过程 32 : Doc2Vec_训练案例 33 : Doc2Vec_模型测试 |
京公网安备 11011402011233号