TA的每日心情 | 衰
3 小时前 |
|---|
签到天数: 1474 天 [LV.10]以坛为家III
管理员
 
- 积分
- 6062
|
课程目标$ B0 K$ l/ D5 {4 g
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。
' Z/ Q% J9 [: ?- e6 z# I6 H M% S
6 F; y: h8 U1 l' }$ u2 Y适用人群
. u& W- f. S' V从事机器学习方向人员
! {$ V- q8 @, I; M" ~( } @( y8 @, O& b# e4 j v/ q
课程简介
# d. Z6 z" M/ Y# 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。
" ^7 w$ [' Z: V3 Q: o- n0 ~
5 I5 ~6 C+ }1 B# @, U$ @& a$ J1 I( ^2 p. O) H
第1章Word2Vec原理1小时35分钟11节& N( s( m9 I' J4 l
1-1课程简介04:36/ D1 I8 o" _ R/ X+ }' O/ q1 H5 O) X
1-2自然语言处理与深度学习11:58
B) k: g! }; Q1-3语言模型06:16
+ x' T9 g4 N) h4 F, g1-4N-gram模型08:32
8 ?0 u9 H+ y1 ? m. p) e1-5词向量09:27
/ _7 e. S* s6 @1-6神经网络模型10:02
# A4 e/ O3 ?6 W" z1-7Hierarchical Softmax10:01
. Z6 e$ u4 C/ W) m+ K$ S1-8CBOW模型实例11:20) Z; }* x' a7 j3 z* G0 f
1-9CBOW求解目标05:39
# m& U9 ` ~' [/ S1-10梯度上升求解10:109 U! _+ u: v; e0 v4 f% [0 R5 S
1-11负采样模型07:15% h3 e' D9 h: j; S0 X
7 L" \5 r% Y8 C, T7 }: `' J
第2章Gensim构造词向量模型33分钟4节
! I9 {1 O' e4 a( m' A8 U% _2-1使用Gensim库构造词向量06:214 }2 I1 `4 i! J+ c. R- q0 Q
2-2维基百科中文数据处理10:27
; { d) U( O2 N2 r2-3Gensim构造word2vec模型08:52
" I" \5 I! C, C. K4 _6 f2-4测试模型相似度结果07:421 a2 q9 j9 K7 [+ G
$ |7 [: x w! J第3章Tensorflow实战word2vec1小时5分钟7节7 Q: c b9 _. L' c
3-1环境配置06:002 y4 U3 D [5 |5 V
3-2中文数据预处理11:06
/ F; ^, f2 Z" L3-3word2vec模型构造10:363 k6 k' B- F0 m# J
3-4构造图计算模型07:54% G8 d3 k3 E# @! r; D- v
3-5word2vec训练10:47
6 I6 k Y' y7 V' `1 y3-6模型训练模块10:18
, w i# A# h4 W& N! }% p3-7迭代预测效果08:39
6 V6 G8 k+ V, D& h$ k. q" N7 x! `5 {: E: }8 L! K% K0 ~) l& i
8 g! Y5 U$ X$ j; ^6 x3 t: Z3 x# i Z: T0 n1 A: j) G
4 }6 n1 w4 m+ b& O5 D+ _% l) q, ?, e( g. w! i% |) O) \; O
链接：
+ @! ?/ j( J% r1 y% @7 A2 h; A( L! E- b$ o# X
6 G" F3 L. g: L) F# Y# ~; V
( r Q3 B" Y2 n. N. [: {
|
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
