最新资讯 ·

学院《自然语言处理》第二期视频教程 附课件资料

学院《自然语言处理》第二期视频教程 附课件资料 最新资讯 第1张

扫描二维码后台回复:

nlp2

 

获取

 

课程目录:
03-第三章:1、2章答疑
04-第四章:自然语言
3.1 语言的进化:来自自然选择的社会协作.flv
3.2 语言的进化:语言游戏与摩斯密码.flv
3.3 语言与智能:信息熵.flv
3.4 语言与智能:交叉熵的定义.flv
3.5 语义的进化.flv
3.6 语言模型:语言概率.flv
3.7 词袋模型.flv
3.8 二元语言模型:CR情感分析.flv

05-第5章:语言模型和中文分词
4.1 三元语言模型.flv
4.2 语言模型评价:交叉熵.flv
4.3 语言模型评价:Perplexity(困惑度).flv
4.4 语言评价模型:Interpolation(插值法).flv
4.5 概率模型:垃圾邮件分类.flv
4.6 概率模型:拼写检查.flv
4.7 语音模型和机器翻译模型.flv
4.8 中文构词法.flv
4.9 最大化匹配.flv
4.10 N-Gram模型.flv
4.11 Optimal Path 最优路径模型.flv
4.12 中文分词工具:Jieba.flv

06-第6章:第二周答疑
07-第7章:语言技术-词表达和Word2Vec
5.1 词表达.flv
5.2 语义相似度.flv
5.3 TF-IDF权重处理.flv
5.4 One-Hot表达.flv
5.5 神经网络基础.flv
5.6 神经网络:反向传播 1.flv
5.7 神经网络:反向传播 2.flv
5.8 Word2Vec-Part 1.flv
5.9 Word2Vec-Part 2.flv
5.10 Word2Vec-Part 3.flv

08-第8章:语言技术-词性
6.1 什么是词性标注(POS Tagging).flv
6.2 词性标注的方法.flv
6.3 词性的标注类别和标注集.flv
6.4 规则标注和N-Gram方法.flv
6.5 从混合模型到HMM.flv
6.6 混合模型详解1:EM模型.flv
6.7 混合模型详解2:EM模型.flv
6.8 混合模型详解3:高斯混合模型.flv
6.9 混合模型详解4:隐马尔可夫模型.flv
6.10 混合模型详解5:隐马尔科夫模型.flv

09-第9章:第三周答疑
10-第10章:语言技术-概率图模型
7.1 概率图模型:贝叶斯网络(有向无环图).flv
7.2 概率图模型:分层图模型.flv
7.3 概率图模型:隐马尔科夫链.flv
7.4 隐马尔可夫模型的推导 1.flv
7.5 隐马尔科夫模型的推导 2.flv
7.6 隐马尔科夫模型的推导 3.flv
7.7 隐马尔科夫模型的推导 4.flv
7.8 PLSA主题模型1.flv
7.9 PLSA主题模型 2.flv

11-第11章:语言技术-文本与LDA主题模型
8.1 向量表达和潜在语义索引(LSI).flv
8.2 LDA和狄利克雷分布.flv
8.3 LDA主题模型.flv
8.4 主题模型的深化与对比.flv
8.5 语义距离(Semantic Distance).flv
8.6 中文LDA模型:Word-base 和 Character-Base.flv
8.7 实验报告:困惑度(Perplexity).flv
8.8 实验报告:文本分类准确度.flv
8.9 中英双语料库实验.flv
8.10 实验报告:文本语义相似度.flv
8.11 延展实验:主题模型引入字词关系的实现.flv
8.12 实验总结.flv

12-第12章:第四周答疑
13-第13章:语言技术-句法
9.1 上下文无关句法(CFG)-Part 1.flv
9.2 上下文无关句法(CFG)-Part 2.flv
9.3 概率上下文无关句法(PCFG)- Part 1.flv
9.4 概率上下文无关句法(PCFG)-Part 2.flv
9.5 概率上下文无关句法(PCGF)-Part 3.flv

14-第14章:机器翻译
15-第15章:第五周答疑
16-第16章:卷积神经网络CNN
11.1 神经元.flv
11.2 全连接网络及特性.flv
11.3 Auto-Encode 自编码器.flv
11.4 反向传播(BP).flv
11.5 卷积神经网络(CNN)的理解.flv
11.6 CNN的基本原理:卷积核、权重和池化.flv
11.7 CNN的计算过程.flv
11.8 CNN如何应用在自然语言处理中.flv

17-第17章:循环神经网络RNN
12.1 循环神经网络的基本原理.flv
12.2 Elman Network和Jordan Networ.flv
12.3 LSTM的核心思想.flv
12.4 LSTM的分步实现详解.flv
12.5 Encoder-Decoder 框架.flv
12.6 Seq2Seq 模型.flv
12.7 注意力机制(Attention Mechanism).flv

18-第18章:第六周答疑

 

参与评论