TA的每日心情 | 慵懒
昨天 08:34 |
|---|
签到天数: 1354 天 [LV.10]以坛为家III
管理员
 
- 积分
- 5454
|
课程目标
4 j% F3 @4 w/ W- p; `7 s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。( G' s7 }- v8 w- ]$ [
1 r# ^9 T$ _. F9 Q; V" |! U适用人群" h. S2 U E& t, m# N- Z6 W2 r
从事机器学习方向人员
' ^* M$ g9 c3 v5 J4 i: u9 g" c' Y' }
课程简介
0 `$ x% q) M9 R, W* o% w) 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。 & b7 U& u3 m0 M# ~- B& r! p. s9 u
8 B E p: g' D: P& ]* K% f& r6 Q2 g8 w8 G, n0 u
第1章Word2Vec原理1小时35分钟11节
, G7 T6 |. f. S7 M* P1-1课程简介04:36/ j' C" p% ]: {9 Q- X; e; o8 [2 y* X
1-2自然语言处理与深度学习11:584 d; G2 A4 Q4 J4 l0 m
1-3语言模型06:16! U/ h2 X7 d( K4 J
1-4N-gram模型08:32: H3 S$ e9 H6 ` i6 J! ^! Z% d
1-5词向量09:27& f% e! g! s; P( ]+ n) U; _; Q
1-6神经网络模型10:02- \: D3 Q" \: ~, P4 ]: s* L
1-7Hierarchical Softmax10:01
: f0 w9 A* `; [# a3 n' j7 a2 R1-8CBOW模型实例11:206 N" ^/ a- X% _9 }' P" @
1-9CBOW求解目标05:39. Y) B0 @' z1 q! ]6 }3 [4 Z
1-10梯度上升求解10:109 C* _; Y C6 I5 g) H
1-11负采样模型07:15
/ P4 I/ A# p9 I$ {: ~# e/ \" y8 t$ ], Z5 |4 G
第2章Gensim构造词向量模型33分钟4节
& I. j; E/ a9 A# J2 H5 O. h$ _0 r$ q7 F2-1使用Gensim库构造词向量06:21
! x; B$ `6 A7 m1 ?2-2维基百科中文数据处理10:27/ Q0 E7 q% Y% z+ Q
2-3Gensim构造word2vec模型08:52
% ]" S1 J! J0 k' Q2-4测试模型相似度结果07:42& w3 ~/ K/ O3 j1 S8 M! S- t
$ r: Z/ t- t' d5 o+ b8 B+ i* k4 ]第3章Tensorflow实战word2vec1小时5分钟7节! E3 Z ` I* v" T7 c
3-1环境配置06:00
, _/ x/ X8 |( y; e$ Q3-2中文数据预处理11:06
- a' k( V0 R7 c3-3word2vec模型构造10:36
9 T, [/ }: `! q; D+ t( b3-4构造图计算模型07:54
3 C* a6 p2 ]! x3-5word2vec训练10:47
" R* i# m: p4 }7 F) {: C0 W3-6模型训练模块10:18
/ ~ s& s ]' g5 W( Q3-7迭代预测效果08:399 t- o" E" z: d8 X% @
+ C( R$ R- R6 A" v7 l6 b5 ~( t! K: e |
1 P2 _5 g3 k1 t, s1 T/ x& d# M& w+ z2 p' Z$ L6 m- y
$ C. t' h3 d$ e% N7 j4 w% q
/ k6 [8 ^% P$ {0 S0 @3 I b* G链接：
6 N5 h$ w" I! M* I3 {0 P8 G' p- o! T9 R* ?, n! ]" Z7 x
" b5 K" M z, H0 |
( L4 J& V4 J0 P. q, u% F' e |
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
