搜狗新闻分类-分词与停用词库加载

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

       文本分类一直是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分类项目。

     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：覆盖文本分类四大过程模型；

          4.系统学习：一套完整的文本分类建设方法论，迅速学习文本分类的开发过程。包括深度学习方法，语料库方法等

     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.文本分类概述  

                  1.文本分类的定义与典型应用场景

                  2.文本分类的难点

                  3.文本分类的意义

                  4.文本分类技术实现的一般流程

                    1.文本预处理

                    2.文本表示与特征选择

                    3.构造分类器

                    4.分类

                  5.文本分类任务使用的技术有哪些

                  6.文本分类项目的评价方法

                2.基于经典方法的文本分类算法项目实践-贝叶斯搜狗新闻文本分类

                  1.文本数据载入及清洗

                  2.把数据集分为训练集和测试集

                  3.中文分词

                  4.引入停用词典

                  5.文本特征提取

                  6.机器学习建模-贝叶斯原理

                  7.使用贝叶斯进行建模

                  8.文本特征提取

                  9.N-gram模型

                  10.模型效果测试与总结

                3.大规模文本分类网络TextCNN概述  

                  1.什么是TextCNN

                  2.为什么使用TextCNN

                  3.TextCNN原理介绍

                    1.CNN模型回顾

                    2.TextCNN网络结构

                    3.TextCNN优缺点

                  4.如何使用TextCNN

                  5.TextCNN模型应用场景

                  6.TextCNN开源实现方案介绍

                4.TextCNN项目实践-基于TextCNN完成电影评论分类

                  1.项目背景

                  2.IMDB 电影影评数据集介绍

                  3.准备IMDB 电影影评数据与TextCNN环境

                  4.IMDB 电影影评数据预处理

                  5.TextCNN实现文本分类的原理

                  6.TextCNN模型搭建

                  7.TextCNN模型参数介绍

                  8.运行结果分析

                  9.TextCNN模型参数优化介绍

                  10.项目总结