TA的每日心情 | 郁闷
昨天 23:52 |
|---|
签到天数: 1441 天 [LV.10]以坛为家III
管理员
 
- 积分
- 5945
|
课程目标4 I& J1 G; c1 l" }- 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。9 ?& a5 q, `6 u5 w
( U( b0 G7 ]* |; g+ n适用人群
* q0 q! ^2 \; {2 p. a. C从事机器学习方向人员
& ^$ X& @! a, D: A/ U8 W8 k# x
* ^% Y9 v( u1 N5 D7 W6 }课程简介
# | v" W- i7 j" N' i1 P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。
! S& e! ~% N! U8 x9 E* v: c2 \& I( W( f
/ z0 h) L2 _9 I8 ]第1章Word2Vec原理1小时35分钟11节
! t/ ]/ ?* \4 _9 a1-1课程简介04:36
/ p" v6 e [; G7 m3 s" D1-2自然语言处理与深度学习11:58
% j4 s: m2 _ u; S; R+ j1-3语言模型06:16
. z8 B& i, c. w" x1-4N-gram模型08:32. X& N6 z$ r9 ~, X& _" ]
1-5词向量09:27
/ I' F, r7 C) @9 Y+ K1-6神经网络模型10:02
1 b) `8 ]- n, C( b' t/ {/ h1-7Hierarchical Softmax10:01
( y) I) u( }) \; r+ K! K1-8CBOW模型实例11:20
7 C% ]; R% k' o. j2 V* \1-9CBOW求解目标05:391 z. |5 N- K7 W! B# _3 c, d N. C
1-10梯度上升求解10:10
6 E3 z1 n8 p* c8 b1-11负采样模型07:15
, x6 @' B% u( m5 d* `2 Z. p) @" J' z" A3 ?
第2章Gensim构造词向量模型33分钟4节
- e8 Q0 ^7 x$ H2-1使用Gensim库构造词向量06:21! d4 T' V& s0 W" v' t7 Q3 O) u
2-2维基百科中文数据处理10:27) H( _- ? e0 b0 n# }& P
2-3Gensim构造word2vec模型08:52' [& k& g5 k! i: v5 A' G
2-4测试模型相似度结果07:42# _0 l T8 H" T9 z! Z: j
" E$ g6 s3 `+ D8 w/ [5 Y第3章Tensorflow实战word2vec1小时5分钟7节& r- g! M1 R% I4 d
3-1环境配置06:00* w/ C( C5 g9 ^, I M3 \
3-2中文数据预处理11:06
+ g- g1 _5 r0 O0 r# @9 o% \3-3word2vec模型构造10:368 g( v2 c( Y# v8 H% h% j
3-4构造图计算模型07:543 {1 N# z; z a5 b: L
3-5word2vec训练10:47
4 t# f! t8 V a( E" o, `3-6模型训练模块10:18. h) T, R, N0 @- u3 x* p
3-7迭代预测效果08:39
# s" i0 o: i" h0 n7 x9 z2 Z# H& ^) Z1 S' B
7 d* f, o n& v* c# S& F \. w @6 e" O1 [& q! k- g
+ M1 I* J, z9 D8 V, R
! ~. |' O- f4 ]) O. s9 y% }
链接：
6 {$ I: W+ W. l. D
( A7 W4 ]) H u& |/ z! T' J+ |6 O
. V/ S* J2 ~) k1 V2 ?& G: Y. W- Q
1 U7 k! L# W, ~! x* v5 I" x1 h |
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
