PLSA
《老钱------AI实战训练营的系列课程
文本情感分析一直是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
项目。多面覆盖经典的场景,
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《
》四大过程模型;4.系统学习:一套完整的《
》建设方法论,迅速学习 的开发过程。
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:
文本相似度
1. 文本特征提取原理概述
1.1. 什么是特征提取:。
1.2. 为什么要进行特征提取:
1.3. 常见的特征提取思路及对比:布尔模型(0/1 ,,存在就是1,不存在就是0,举例。)、空间向量模型(通过一定的规则或者方法将文本映射到向量空间上,常见的有两种:1-基于布尔型,2-基于词频的)、主题模型(tf-idf,lsa,lda)、深度学习模型(word2vec、cnn)。
1.4. 特征提取方法之-布尔模型
1.5. 特征提取方法之-空间向量模型
1.6. 特征提取方法之-主题模型
1.7. 特征提取方法之-主题模型之tf-idf
1.7.1 tf-idf原理
1.7.2 tf-idf环境准备:
1.7.3 tf-idf代码实现
1.7.4 论文
1.8. 特征提取方法之-布尔模型之LSA
1.8.1 LSA原理详解
1.8.2 LSA环境搭建
python3.x
gensim
jieba (conda install -c conda-forge jieba)
1.8.3 LSA代码实现
1.8.4 参考论文
1.9. 特征提取方法之-布尔模型之LDA
1.9.1 LDA原理
1.9.2 LDA环境搭建
1.9.3 LDA代码实现
1.9.4 参考论文
1.10. 特征提取方法之-深度学习模型原理
1.11. 特征提取方法之-深度学习模型-word2vec
word2vec是google在2013年推出的一个NLP工具。它可以将所有的词向量化。
1.11.1 word2vec原理
1.11.2 word2vec环境搭建
1.11.3 word2vec代码实现
1.11.4 参考论文
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲
![老钱《自然语言处理》实战训练营-文本情感分析项目实践(附源码)](https://s2.51cto.com/images/201908/09/0aaeb988d7585d2145c7a5645fbdb0bc.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-BiLSTM项目实践(附源码)](https://s2.51cto.com/images/201909/08/4ccd1d69235a36ee76def3bdc06a1813.jpg?x-oss-process=image)
![自然语言处理课程导论](https://s2.51cto.com/images/201908/19/e9aff0cb221d0cd26567efec993c05d9.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-文本聚类项目实践(附源码)](https://s2.51cto.com/images/201908/09/7f99951a05e0ba175b1211e32af9d5b8.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-深度学习文本分类项目实践(附源码)](https://s2.51cto.com/images/201908/05/61a8650cf9d84c91a0fbdffa1ea101ca.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-词性标注项目实践(附源码)](https://s2.51cto.com/images/201908/19/bf42a37169b614f1449ed7bc2fb33ff8.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-文本相量化项目实践(附源码)](https://s2.51cto.com/images/201908/19/c3c41d6b741b62b28323f79b497a0201.jpg?x-oss-process=image)
![老钱《自然语言处理》实战训练营-命名实体提取项目实践(附源码)](https://s2.51cto.com/images/201908/09/89499baddd0f70a4d749a0c6ffdc6cc5.jpg?x-oss-process=image)