老钱《自然语言处理》实战训练营-文本聚类项目实践(附源码)

  《老钱------AI实战训练营的系列课程》= 多个案例学习《文本聚类》

       文本聚类一直是NLP领域的热门应用，常用在舆情分析，文章分类，智能客服等多个场景。本课程以案例驱动出发。结合多个项目实战案例，协助学习者迅速学习文本聚类的项目实现流程，实现方法，实现过程。多面覆盖经典的场景，如豆瓣图书相似度分析，微博新话题发现，覆盖多种算法，包括短文本聚类，长文本聚类，同时学习自己设计聚类算法。

     课程特色：   

          1.案例驱动：专题技术，完整案例；

          2.源码操作：内含完整程序源码和数据集；

          3.实战指引：覆盖文本聚类四大过程模型；

          4.系统学习：一套完整的文本聚类建设方法论，迅速学习文本分类的开发过程。包括SignlePaas，KMeans，文本相似度方法等

   课程部分课件展示：

     适合人群：

         1. 想要从事NLP的在校学生、NLP研发工程师、NLP产品经理，想要转型NLP的IT老兵。

         2.具备Python基础，熟悉机器学习的基础理论

         3.具备自然语言处理的基础知识

     具体课程大纲如下：

                1.文本聚类分析概述  

                  1.文本聚类定义与典型应用场景

                    1.文本聚类定义

                    2.文本聚类的应用场景

                  2.文本聚类分析的难点

                  3.文本聚类分析的意义

                  4.文本聚类分析技术实现的一般流程

                  5.文本聚类任务使用的技术有哪些

                    1.基于聚类算法的聚类

                    2.基于文本相似性的聚类

                    3.基于规则的方法

                  6.文本聚类项目的评价方法

                2.长文本聚类实践-聚类算法方法-豆瓣电影TOP250榜单内的电影剧情聚类

                  1.电影剧情聚类项目背景介绍

                  2.电影剧情聚类项目设计

                  3.聚类算法用于文本聚类的过程

                  3.剧情数据处理

                  4.剧情分词

                  5.特征提取与向量化

                  6.基于KMeans完成电影剧情聚类

                  7.基于DBScan完成电影剧情聚类

                  8.效果对比

                  9.项目总结

                3.短文本聚类实践-新浪微博话题发现

                  1.新浪微博话题发现项目背景介绍

                  2.新浪微博话题发现项目设计

                  3.短文本聚类的难点

                  3.微博数据处理

                  4.微博分词

                  5.微博特征提取与向量化

                  6.基于KMeans完成聚类

                  7.效果分析

                  8.项目总结