老钱《自然语言处理》实战训练营-文章主题特征提取项目实践(附源码)

《老钱------AI实战训练营的系列课程》= 多个案例学习《文章主题特征提取》

     文章主题特征提取一直是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向量化项目。多面覆盖经典的场景，如地名提取，病例命名实体提取，覆盖多种算法，如TF-IDF等

  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《文章主题特征提取》四大过程模型；

          4.系统学习：一套完整的《文章主题特征提取》建设方法论，迅速学习文章主题特征提取的开发过程。

     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

课程大纲：

1.文本主题特征抽取概述  

  1.文本主题特征抽取定义与典型应用场景

    1.文本主题特征抽取定义

    2.文本主题特征抽取的应用场景

  2.文本主题特征抽取分析的难点

  3.文本主题特征抽取的意义

  4.文本主题特征抽取技术实现的一般流程

  5.文本主题特征抽取使用的技术有哪些

    1.基于统计

    2.基于图模型

    3.基于潜在语义

    4.基于线路规划

    5.深度学习与经典方法融合方法

  6.文本主题特征抽取项目评价方法

2.文本主题特征抽取实践-基于TF-IDF的今日头条新闻主题特征抽取

  1.改进TF-IDF中文网页关键词抽取算法项目背景介绍

  2.改进TF-IDF中文网页关键词抽取项目设计

  3.原始tf-idf回顾

  4.改进tf-idf算法

  5.位置加权

  6.词长加权

  5.综合加权

  6.代码实现

  7.基于改进的TF-IDF完成今日头条新闻主题特征抽取

  8.效果对比

  9.项目总结

3.文本主题特征抽取实践-基于TextRank的自动文摘生成算法

  1.自动文摘生成项目背景介绍

  2.自动文摘生成项目设计

  3.自动文摘生成用于自动文摘的过程

  3.自动文摘数据处理

  4.自动文摘分词

  5.自动文摘特征提取与向量化

  6.TextRank原理介绍

  7.TextRank建模

  7.抽取文摘句

  8.文摘形成

  9.效果对比

  10.项目总结