大约 2 分钟
1.NLP绪论
- NLP概要
- NLP发展历程
- 核心技术与任务体系
- 典型应用场景
- 中文NLP的挑战与突破
- 中文NLP基本流程
- Python开发环境搭建
- Jupyter Notebook ✏️
- 实践任务：中文高频词云图
2.语料库
- 语料库是什么
- 语料库的种类与构建原则
- 语料从哪来：常用语料库获取渠道
- 文本处理工具箱：正则·OpenCC·jieba·Counter
- 实践任务一：网络在线语料分析
- 实践任务二：构建电影评论语料库
3.正则表达式
- 正则表达式是什么：普通字符与元字符
- re 六大函数：谁干谁活
- 量词元字符：到底重复几次
- 字符类·锚点边界·特殊字符
- 常用正则搭配 22 条
- 五大战役：真实文本实战
4.中文分词s
- 中文分词基础与核心难点
- 基于规则分词：正向·逆向·双向最大匹配
- HMM 与维特比算法
- jieba 分词工具与高频词提取实战
- BiLSTM 深度学习分词
- 综合实战：真实文本的分词处理流水线
5.词性标注
- 序列标注任务与词性标注
- HMM + Viterbi 词性标注
- jieba 词性标注实战
- 从词性到实体的跨越
- CRF 命名实体识别
- BiLSTM 序列标注
- sklearn-crfsuite 中文 NER 完整流程
- 模型应用
6.关键字提取
- TF-IDF算法实现关键词提取
- 使用TextRank算法实现关键词提取
- LSA算法进行中文关键词提取
- LDA算法实现中文关键词提取
- 综合实战：自动提取文本关
7.文本向量化
- 文本向量化
- 环境与依赖准备
- 独热编码实现中文文本向量化
- BOW词袋模型实现中文文本向量化
- TF-IDF实现中文文本向量化
- 实词->向量化(Word2Vec)
- 文本->向量化(Doc2Vec)
8.文本聚类
- 中文文本分类与聚类
- 环境与依赖准备
- 朴素贝叶斯实现中文文本分类
- KMeans实现中文文本聚类
- 垃圾短信分类案例
- 中文新闻主题聚类案例
- 阿里云中文新闻主题分类案例