2017年末自然语言处理-Word2Vec视频教程附软件代码与数据 26课

课程介绍:

自然语言处理中最重要的算法，词向量模型。课程从语言模型入手，详解词向量构造原理与求解算法。理论与实战结合，使用Tensorflow从零开始打造word2vec词向量模型。对于海量中文数据演示如何使用Gensim库对中文维基百科数据进行词向量建模。

课程目标:

掌握自然语言处理中最重要的模型Word2Vec的原理以及如何使用gensim库与Tensorflow进行建模。

适用人群:

从事机器学习方向人员

课程目录:

word2vec

001 课程简介

002 自然语言处理与深度学习

003 语言模型

004 N-gram模型

005 词向量

006 神经网络模型

007 Hierarchical?Softmax

008 CBOW模型实例

009 CBOW求解目标

010 梯度上升求解

011 负采样模型

012 使用Gensim库构造词向量

013 维基百科中文数据处理

014 Gensim构造word2vec模型

015 测试模型相似度结果

016 环境配置

017 中文数据预处理

018 word2vec模型构造

019 构造图计算模型

020 word2vec训练

021 模型训练模块

022 迭代预测效果

023 影评情感分类任务概述

024 基于词袋模型训练分类器

025 准备word2vec输入数据

026 使用gensim构建word2vec词向量