Anaconda的安装与配置

请至PC端网页下载本课程代码课件及数据。

文本挖掘（TM），又称自然语言处理（NLP），是AI时代炙手可热的数据分析挖掘前沿领域，其所涉及的人机对话系统，推荐算法，文本分类等技术在BAT等企业中都得到广泛应用。

本课程将使用经典武侠小说、大众点评抓取结果、微博语料数据等多个实际案例进行教学。

本次课程将会从基本的分词、词袋模型、分布式表示等概念开始，多面介绍文本挖掘技术的各个方面，特别会针对目前最热的word2vec，gensim 等结合实际案例进行学习，帮助学员直接升级至业界技术前沿。

学习完本课程后，学员将能够独立使用Python环境完成中文文本挖掘的各种工作。

本课程已全部更新完毕，未来将根据方法学进展做不定期更新。

【更新记录】

2022.10：针对Anaconda 10月最新版(python 3.9)，gensim 4.1.2版和pandas 1.4.4版完成兼容性测试，更新了对应的课程内容

2022.1：针对Anaconda最新版(python 3.8)，gensim 4.1.2和pandas 1.3.5版完成兼容性测试，更新了对应的课程内容。

2021.4：增加了“主题模型结果的可视化”一节。

2021.3：按照最新的gensim 4.0.0版和pandas1.2.3版的情况，对课程内容做了全面修订更新。

【课程长度】

总时长：约11小时

【学员基础】

学员需要懂得Python语言的基本编程知识。

建议学员事先学习本系列课程中的Pandas课程，本课程中的数据管理将会用到Pandas的相关知识和操作。

【课程大纲】

第1章：文本挖掘概述

第2章：磨刀不误砍柴工

第3章：分词

第4章：词云展示

第5章：文档信息的向量化

第6章：关键词提取

第7章：抽取文本主题

第8章：文本相似度

第9章：文档分类

第10章：情感分析

第10章：自动摘要

第11章：自动写作