TA的每日心情 | 怒
昨天 14:28 |
|---|
签到天数: 1164 天 [LV.10]以坛为家III
管理员
 
- 积分
- 4556
|
课程目标: [! ?) P& L4 |% K# G1 ^0 d- t
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。. k5 D( v6 T/ \
# s% d. w! H" l( [
适用人群3 \8 D" f$ @8 p
从事机器学习方向人员* U7 c# D3 p) [$ W& [
$ Q8 d: O) {4 m4 \ C. F0 |8 q3 D8 g课程简介( J8 D6 ]2 G5 g
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 Z0 u% c" z" ~( w0 i* F( S w2 h, t1 m% t6 T" M9 b) h
4 d e0 D6 S8 h O! K第1章Word2Vec原理1小时35分钟11节
6 O+ L4 a% j _. O" [1-1课程简介04:36
9 G+ S9 O r6 S; W1-2自然语言处理与深度学习11:58+ i! W! m* {; F/ {
1-3语言模型06:16
3 g& v9 N8 Q- |6 {8 k7 G/ z6 d: C1-4N-gram模型08:32
% p) D+ _5 D: L) x! d* E1-5词向量09:27
y9 T5 R0 \; Q* ?" E* @( |1-6神经网络模型10:023 F' o3 P5 {& }8 i
1-7Hierarchical Softmax10:01/ H8 q9 _' A0 S6 P
1-8CBOW模型实例11:20. Z1 [4 W5 }8 I+ `
1-9CBOW求解目标05:39
3 K! j! A- K: @8 H& ]1-10梯度上升求解10:10
- o0 n. [3 W$ I" j3 V1-11负采样模型07:15& A% ^2 X( Z5 F6 A/ d' H
8 ?' P' l7 }, `" r) F
第2章Gensim构造词向量模型33分钟4节
: P- b$ n# M, Y2-1使用Gensim库构造词向量06:21
/ f" L# T- q$ Q; o: j8 J8 W4 {2-2维基百科中文数据处理10:27
& B, o/ i, G3 S+ s) u2 ]) c8 h2-3Gensim构造word2vec模型08:52
l4 G4 i8 O5 w2-4测试模型相似度结果07:42+ X) X. C+ i$ J7 k6 g6 P; p
; F% E: W& p" p/ c第3章Tensorflow实战word2vec1小时5分钟7节& ]; m4 S7 c9 W' c
3-1环境配置06:00
, }: j( j% ^/ m; i3-2中文数据预处理11:066 `$ O0 q5 B5 `8 }
3-3word2vec模型构造10:36
* a# Z M1 c) i( i1 ]3 _3-4构造图计算模型07:543 b( X) X1 P" N4 W6 u
3-5word2vec训练10:47) ]8 a3 d+ B# ]1 x& S1 `
3-6模型训练模块10:18
& m( A4 m( x5 l% F# s) O3-7迭代预测效果08:39( }5 _1 V7 Q& m% U, T3 y
4 Y% G$ o+ J6 y
+ o( Y+ B0 Y4 e. Y
% @3 s5 `$ N. O1 N' B, l- @
/ R0 P; [' i c! ]
% z7 H/ z3 m0 I2 e F链接：
4 `4 A' l! v! U* _* f2 M5 a( t% i5 |6 G+ [0 P v1 Z6 i
! h; s: [. N0 ~* a% S* E# C) |3 _
|
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
