?

• 了解NLP基礎知識
• 理解關鍵詞提取與文本分類
• 文本向量化與句法分析
• NPL與深度學習
• 業(yè)內經驗交流
• ?

• NLP基礎知識概覽	1.NLP的基礎概念 2.NLP的發(fā)展歷程 3.NLP主要研究方向 1）句法語義分析 2)信息抽取 3)文本挖掘 4)機器翻譯 5)信息檢索 6)問答系統(tǒng) 7)對話系統(tǒng)
  NLP基本算法和實踐	1.NLP的基礎 1)分詞 正向最大匹配算法 逆向最大匹配算法 雙向最大匹配算法 基于N-gram語言模型的分詞 基于HMM的分詞方法 基于CRF的分詞方法 2)文本基本處理 文本提取 正在表達式 本文統(tǒng)計 3)詞性標注 基于最大熵的詞性標注 基于統(tǒng)計最大概率輸出詞性 基于HMM詞性標注 基CRF的詞性標注 4）命名實體識別 基于CRF的命名實體識別 2.案例 1)在線中文分回系統(tǒng)實戰(zhàn) 2)命名實體識別接口1開發(fā) 3)基于詞性標注的關鍵詞提取
  關鍵詞提取	1.關鍵詞提取概述 2.關鍵詞提取算法 1)FT-IDF 2)LSA/LSI算法 3)PLSA算法 4)LDA算法
  文本分類	1.文本分類算法 1)樸素貝葉斯 2)線性分類器 3)支持向量機 4)Bagging模型 5)Boosting模型 6)淺層神經網絡 2.案例 1)新聞主題提取 2)新聞分類實戰(zhàn)
  文本向量化	1.文本向量化概述 2.文本向量化常用算法 1)詞袋算法 2)HashTF算法 3)Word2Vec算法 4)Glove算法
  句法分析	1.句法分析概述 2 .句法分析常用算法 1)PCFG算法 2)條件隨機場算法 3.案例 1)文本情感分析的開發(fā)示例 2)基于依存句法分詞的問句相似度計算
  NLP與深度學習的結合	1.深度學習概述 1)神經網終 2)損失函數(shù) 3)梯度下降 2.深度學習常用算法 1)CNN 2)RNN 3)GRU 4)LSTM
  NLP與深度學習的技術實現(xiàn)案例	1.Tensorflow框架學習 1)Tensorflow簡介 2)Tensorflow安裝 3)Tensorflow基礎使用 圖(graphs) 會話(session) 張量(tensor) 變量(Variable) 4)Tensorflow線性回歸以及分類的簡單使用 5)Tensorflow中各種優(yōu)化器的介紹 2.案例 1)基于CNN的文本分類 2)基于RNN的歌詞生成 3)基于LSTM的機器翻譯 4)基于Seq2seq的問答系統(tǒng)

  ?