课程介绍
本次培训从实战的角度对自然语言处理(NLP)进行了全面的剖析,并结合实际案例分析和探讨NLP的应用↑场景【,给NLP相关从业人员以指导和启迪。
培训对象
对此课程感兴趣的学员。
从事计算机语言工作的IT人员。
从事数据分析数『据管理的IT人员。
课程收益
1.掌握NLP基础;
2.关键词提取与文本分□类√方法
3.文本向量☆化与句法分析方法
4.NLP与深度ξ学习技术的相应算法;
5.理解并掌握Tensorflow框架。
知识概要
NLP入门」与基础介绍
关键词提取与文本分类
文本向︼量化与句法分析
NLP与深度学ㄨ习
课程大纲
NLP入门与基础介※绍(一)
1.NLP的基本♀概念
2.NLP的发展◣历程
3.NLP主要研↑究方向
1)句法语义】分析
2)信息抽取
3)文本挖掘
4)机器翻译
5)信息检索
6)问答系统
7)对话系统
NLP入门与基础介绍(二)
4.NLP的基础
1)分词
正〗向最大匹配算法
逆向最大匹配算法
双向最大匹配算法
基于N-gram语言模型的分⌒ 词
基于HMM的分词方法
基于CRF的分词法▼法
2)文本基本处理
文本提取
正在表达▽式
本文统计
3)词性标注
基于最大熵的词性标注
基于统计最〗大概率输出词性
基于HMM词性标注
基于CRF的词性标注
4)命名实◣体识别
基于CRF的命名♂实体识别
5.案例
1)在线中文▲分词系统实战
2)命∴名实体识别接口开发
3)基▂于词性标注的关键词提取
关键词提取与文本分类
1.关键词提取概述
2.关键词提取算法々
1)TF-IDF
2)LSA/LSI算法
3)PLSA算法
4)LDA算法
3.文本分类算法
1)朴素贝叶斯
2)线性分类器
3)支持向量机
4)Bagging模型
5)Boosting模型
6)浅层♀神经网络
4.案例
1)新闻主题提取
2)新闻〗分类实战
文本向量化与句法分析
1.文本△向量化概述
2.文本向量化常用算∮法
1)词袋算法
2)HashTF算法
3)Word2Vec算法
4)Glove算法
3.句法分析概述
4.句法分析常用算◎法
1)PCFG算法
2)条件随机场算法
5.案例
1)文本情感分析的开发示◢例
2)基于依存句法分词的问句相似@度计算
NLP与深度学习(一)
1.深度学◥习概述
1)神经网络
2)损失函数
3)梯度下降
2.深度学习常用算法
1)CNN
2)RNN
3)GRU
4)LSTM
NLP与深度学习(二)
3.Tensorflow框架学习
1)Tensorflow简介
2)Tensorflow安装
3)Tensorflow基础使用
图(graphs)
会话(session)
张量(tensor)
变量(Variable)
4)Tensorflow线性回◣归以及分类的简单使用
5)Tensorflow中各种优化器的介绍
4.案例
1)基于CNN的文本分类
2)基于RNN的歌词生成
3)基于LSTM的机器翻←译
4)基于Seq2Seq的问答系统
认证过程
无认证考∑试
开班信息
暂无开班信「息