TA的每日心情 | 难过
1 小时前 |
|---|
签到天数: 864 天 [LV.10]以坛为家III
管理员
 
- 积分
- 2914
|
课程目标
2 W! Y0 }7 V* k" b$ q& M! W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。) o0 ~% \* r3 l9 p9 }6 n) P+ |
' m, a2 E* P( M2 @2 t& K* y适用人群" f( x( g4 M& c% D
从事机器学习方向人员
" \0 E6 n2 X6 V4 D
' k+ V7 m+ v- n- T- N0 ~. A课程简介2 d g" \& _* F, t' c8 e- b
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。
& S9 ^( E" }5 P3 @$ N
5 {* [. J0 m, q/ |- x6 l
; i3 z3 v6 Y1 i+ [# r+ X第1章Word2Vec原理1小时35分钟11节
. ^( ]/ |& f8 b" y7 X' A" K7 G1-1课程简介04:36
% t6 c7 b: F6 E/ L1-2自然语言处理与深度学习11:58
& |* J7 F* n0 E& f, w6 [& K1-3语言模型06:169 K, L a: s3 |
1-4N-gram模型08:32 k$ i0 T' f0 n2 _+ ~9 D& y! a
1-5词向量09:27+ x& i6 n3 L( Y+ o4 y, _$ b
1-6神经网络模型10:02" e, D" I+ l a3 {: w
1-7Hierarchical Softmax10:01
; `" V5 [ ?3 u4 k- \1-8CBOW模型实例11:20$ G8 K4 q2 y/ |6 \
1-9CBOW求解目标05:39
E1 G* E ]7 A3 P$ w8 l$ v1-10梯度上升求解10:10
6 }! n( Y0 s+ I1-11负采样模型07:15
( J, N( D: m- k9 M) y9 C& t
4 Z* u0 O+ d/ F7 v; X第2章Gensim构造词向量模型33分钟4节8 `+ s3 D% N& D/ _# B; z
2-1使用Gensim库构造词向量06:21
+ [+ _ t. J% [) D2-2维基百科中文数据处理10:275 R) F8 s. @: ]/ X" k _- w
2-3Gensim构造word2vec模型08:52, v0 V9 h: W) L( d. H' [
2-4测试模型相似度结果07:42
! {; B; s, U0 O" @( Y
3 X0 o2 T& v) S& a8 m0 y1 B第3章Tensorflow实战word2vec1小时5分钟7节
: M6 P9 V4 b, a3-1环境配置06:004 x+ |" _4 a# _+ r6 t$ w. X
3-2中文数据预处理11:06% d/ o+ j0 V* V+ b1 y' Y* u: E
3-3word2vec模型构造10:36
1 D) ]; u+ d( k+ r3-4构造图计算模型07:54: z( P% I' ^ Z8 D- s
3-5word2vec训练10:47( R1 t9 l H+ U
3-6模型训练模块10:180 Z* G& I, {( j/ a# ], O$ t5 d5 C4 N
3-7迭代预测效果08:392 |( K$ N0 N, Q4 E: q
5 ~5 r3 p5 w: T/ N1 i% J) h' }1 ^$ C. A4 b
[9 p! H K V" V% `- {" T) R( P( _# M
* u( ~8 s/ q& u$ A) ~3 W; G8 u链接：6 `, t" d8 H. w$ }+ i9 {
' l6 c; ?2 |/ f2 w, d8 ~- I
9 l& C! w2 q+ p6 Y B( D5 B6 |9 e% H" `5 d: w! j% V* [
|
|
[复制链接]
发表于 2017-10-14 10:02:17
发表于 2017-10-14 10:46:09
