TA的每日心情 | 郁闷
昨天 17:45 |
|---|
签到天数: 1303 天 [LV.10]以坛为家III
管理员
 
- 积分
- 5212
|
课程目标9 [8 t Z% X; @# \5 _ B8 n: ?
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。# n: s! U( Q* O4 W5 I1 B
$ Z/ `6 P, z3 e* j适用人群
" Y8 q J) B2 [* @从事机器学习方向人员, l5 z n+ ^) {% j: x
6 M! C$ v1 C' C, E: P9 w课程简介
0 J. C. |7 ]% M' C, _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。 ! ?: D. P3 [8 }0 {
1 Z1 p. [% W& C6 f
( {; U9 ?8 M4 o* M. T6 j9 `$ K
第1章Word2Vec原理1小时35分钟11节
3 h# c9 g6 R. v, A1-1课程简介04:36
, U. W) C" R- S, l* q9 {6 S1-2自然语言处理与深度学习11:587 u1 B, \+ ^8 Y* ?
1-3语言模型06:167 u4 \; K) r0 g6 m# E9 y
1-4N-gram模型08:32
7 G8 G! V% W: ~+ X1-5词向量09:27
0 ?/ ]/ C% `# i+ ^; Z, z$ A: S9 ?1-6神经网络模型10:026 d2 ?* R9 _, e% q6 o5 T0 U
1-7Hierarchical Softmax10:01: U- x- ^( G9 f+ g0 R! @( d/ q; H( B
1-8CBOW模型实例11:20$ ?0 p& G! J! v, \0 G p
1-9CBOW求解目标05:39& v8 Z M5 y4 N; P4 U; p% |# w
1-10梯度上升求解10:10& m( J) ?. q2 I7 b# [; {4 A
1-11负采样模型07:15
; N# S z# r. k( `) e5 n9 P5 \) W" A7 b' N% e' G& t* F
第2章Gensim构造词向量模型33分钟4节- h B& T, w" Q/ |" [: u. M
2-1使用Gensim库构造词向量06:21
+ `8 ^: m0 t/ s( z& R1 z! h2-2维基百科中文数据处理10:276 H" X4 U6 M) _4 E& T
2-3Gensim构造word2vec模型08:52/ ?8 X' \6 {) _' g' t
2-4测试模型相似度结果07:425 Z! @; C4 X1 E0 z5 m1 p2 S
y6 }6 v# }$ u+ ^9 y, i
第3章Tensorflow实战word2vec1小时5分钟7节 ~' ?2 M- S c3 {8 K$ b6 s8 T
3-1环境配置06:00
0 t Y' W1 q K# v- @3-2中文数据预处理11:06- m! [: T; z- x! z
3-3word2vec模型构造10:36
5 I7 K' l4 L5 A: @/ T3-4构造图计算模型07:548 ]5 D- n+ g* w, J( w' ]8 F
3-5word2vec训练10:475 ~6 l1 E+ }5 G r4 f4 \1 i: S
3-6模型训练模块10:18. x4 [9 _2 k2 x; t% Z) b: m
3-7迭代预测效果08:39- w9 w! g5 m; A& q; f
& F' g) R. L5 ]1 t
/ c$ }# M: s1 E& f5 W. J) u" j
# ^" p6 y4 Q% O! g: T+ g: ?; K8 A+ L; P
) D/ G+ G* E6 y- i M
链接：0 k, U* ?/ S) @1 S! ]
# y4 Z+ p5 d0 \( E, I! P% c
2 q. {% Y5 I" R! Y
8 y! f% D% r6 S" | |
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
