TA的每日心情 | 慵懒
昨天 01:08 |
|---|
签到天数: 807 天 [LV.10]以坛为家III
管理员
 
- 积分
- 2551
|
课程目标/ i* z/ Y7 R o7 J# p0 `7 X+ s O
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。2 [8 {8 Q6 {- d- F4 ]
4 }+ q2 h: G+ U适用人群% M& Q+ W9 w8 ~
从事机器学习方向人员0 k( h/ o( n9 f' J \" S
& _" a3 ]' g! Z. B# ~# _, h7 [课程简介. K( [0 r' `- s; L
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。
' ], e5 A+ V8 j1 [) q" m9 ^* }, K) n- ]; D& ^$ Y
: @, @' k9 z& _- ^
第1章Word2Vec原理1小时35分钟11节$ @, A; |; l, O3 s% F( J( Y( ^' P- r
1-1课程简介04:360 F3 A% Q s- V: k3 x: Q! C4 @" `
1-2自然语言处理与深度学习11:587 v9 k( [" F; D" v% R8 I- B' B
1-3语言模型06:16
- b$ [& b8 F! ?( ^1 Z: D1-4N-gram模型08:32
# }5 Y; p/ N, @$ ~8 @) S! Z1-5词向量09:27# S0 z5 h' A% n
1-6神经网络模型10:02
' u% J |% G7 l" q0 n1-7Hierarchical Softmax10:01
! Z1 t; C g( u1-8CBOW模型实例11:20: o( \# L$ J( U8 s( u
1-9CBOW求解目标05:39
8 S6 m/ x7 V5 B2 {# L1-10梯度上升求解10:108 C% W! I% \+ U; L' E5 _" |/ V# P
1-11负采样模型07:15
2 G+ A( H% m6 D5 y4 q4 g! w8 q* l, U
第2章Gensim构造词向量模型33分钟4节
0 H: z. w4 L+ a2-1使用Gensim库构造词向量06:216 c* o7 }7 X* O5 ^- n8 l2 D
2-2维基百科中文数据处理10:27
0 Z4 H" w% m( C: h& C; a2-3Gensim构造word2vec模型08:52
9 w; `7 a' R( o$ B! v5 }2-4测试模型相似度结果07:42 r" o( U" r6 _3 c
; Q$ N% I+ E. A ^' z' `9 n# _
第3章Tensorflow实战word2vec1小时5分钟7节
5 ~3 _' h2 U5 A) S3 T3-1环境配置06:00
7 ~+ U1 @5 m8 q3-2中文数据预处理11:06
r" y# U- ]1 [, c, e0 W8 ]3-3word2vec模型构造10:36
) k2 u* z1 t+ I8 d' C3-4构造图计算模型07:548 j# w- f1 y, I& N
3-5word2vec训练10:47: k3 L' r/ i0 h( |
3-6模型训练模块10:18& G! J1 z# M$ ]( }! n
3-7迭代预测效果08:39
T8 e* i# o: N1 B2 g5 A9 T$ U# c; o
' Y: Z+ \. T0 ?2 s+ N4 R6 O5 T# D# P1 H! G# Z
* J; y" G) ]0 y/ }, L" c: p& |
3 r& [9 G% j/ v& P- w) x* V
# S* C# W9 N" P8 c% p链接：
/ c. T4 A$ P, Q6 m/ `" v- F1 w" q' d# z: j
5 @2 I7 T% E5 j4 a7 {
/ C" d2 z. W5 r5 ?1 N6 o; } |
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
