网易云课堂 自然语言处理之动手学NER

资源简介

命名实体识别作为自然语言处理的基础技术之一,在自然语言处理上游各个任务(问答系统、机器翻译、对话系统等)重扮演者十分重要的角色,因此深入掌握命名实体识别技术,是作为自然语言处理从业者毕本技能,本课程理论与实践相结合,希望能给大家带来帮助。本套课程同时讲解基于Tensorflow2.1及Tensorflow1.13.1两个版本。

《网易云课堂 自然语言处理之动手学NER》

资源目录

——/计算机教程/10网易云课堂/065-自然语言处理之动手学NER
├─目录.txt            -1.#INDB
├─第01章、动手命名实体识别开篇
│   ├─1.1动手学命名实体识别课程简介.mp4            45.78MB
│   ├─1.2课程案例演示.mp4            16.5MB
│   └─1.3命名实体识别基础知识讲解.mp4            37.67MB
├─第02章、动手学命名实体识别之环境搭建
│   ├─2.1Anaconda安装.mp4            20.41MB
│   ├─2.2Anaconda配置.mp4            29.3MB
│   ├─2.3Anaconda创建虚拟环境..mp4            10.49MB
│   ├─2.4Anaconda虚拟环境使用.mp4            55.67MB
│   ├─2.5cuda安装与测试.mp4            15.73MB
│   ├─2.6cudnn安装与配置及GPU环境测试.mp4            18.25MB
│   ├─2.7jupyter中怎么使用虚拟环境.mp4            12.31MB
│   └─2.8Pycharm的安装配置及使用.mp4            69.18MB
├─第03章、深度学习基础之卷积神经网络
│   ├─3.1卷积神经网络简介.mp4            6.53MB
│   ├─3.2卷积神经网络中的卷积讲解.mp4            26.53MB
│   └─3.3卷积神经网络中的池化讲解.mp4            5.23MB
├─第04章、深度学习基础之循环神经网络
│   ├─4.1循环神经网络能干什么.mp4            11.78MB
│   └─4.2循环神经网络讲解.mp4            28.13MB
├─第05章、深度学习基础之LSTM
│   ├─5.1LSTM简介.mp4            8.96MB
│   ├─5.2LSTM深入理解.mp4            6.75MB
│   └─5.3LSTM与神经网络及循环神经网络之间的关系.mp4            8.25MB
├─第06章、基于BiLSTM+CRF的中文命名实体识别实战
│   ├─6.10编码转换方法测试.mp4            28.36MB
│   ├─6.11更新指定编码完成.mp4            100.35MB
│   ├─6.12构建字典映射.mp4            62.95MB
│   ├─6.13通用构建item及频率方法.mp4            13.23MB
│   ├─6.14词典映射构建完成.mp4            17.79MB
│   ├─6.15构建标签映射.mp4            15.87MB
│   ├─6.16数据预处理开始.mp4            12.58MB
│   ├─6.17数据预处理结束.mp4            21.46MB
│   ├─6.18批量数据管理开始.mp4            21.19MB
│   ├─6.19数据填充讲解.mp4            18.49MB
│   ├─6.1BiLSTM+CRF模型架构讲解.mp4            7.16MB
│   ├─6.20批量数据管理结束.mp4            23.5MB
│   ├─6.21模型参数定义开始.mp4            12.19MB
│   ├─6.22模型参数定义完成.mp4            32.39MB
│   ├─6.23train方法中数据加载及编码转换讲解.mp4            24.22MB
│   ├─6.24train方法中字典构建及数据预处理讲解.mp4            25.48MB
│   ├─6.25模型配置讲解.mp4            18.55MB
│   ├─6.26模型配置加载与保存讲解.mp4            58.21MB
│   ├─6.27统一日志方法编写.mp4            18.1MB
│   ├─6.28统一日志方法验证.mp4            19.87MB
│   ├─6.29模型代码编编写上.mp4            22.52MB
│   ├─6.2整个工程目录架构讲解.mp4            33.36MB
│   ├─6.30模型代码编写下.mp4            23.86MB
│   ├─6.31embedding_layer详细讲解.mp4            42.92MB
│   ├─6.32biLSTM_layer详细讲解.mp4            16.53MB
│   ├─6.33project_layer详细讲解.mp4            12.76MB
│   ├─6.34crf_loss_layer上详细讲解.mp4            14.03MB
│   ├─6.35crf_loss_layer下详细讲解.mp4            7.71MB
│   ├─6.36viterbi_decode详细讲解.mp4            28.75MB
│   ├─6.37模型运行方法代码讲解.mp4            14.5MB
│   ├─6.38模型评估方法代码编写与讲解.mp4            16.45MB
│   ├─6.39编码转换讲解.mp4            9.12MB
│   ├─6.3数据集简介及环境搭建.mp4            39.78MB
│   ├─6.40模型训练部分代码完成.mp4            19.78MB
│   ├─6.41模型整体创建部分代码完成.mp4            28.95MB
│   ├─6.42模型加载词向量上.mp4            16.58MB
│   ├─6.43加载词向量完成.mp4            9.63MB
│   ├─6.44模型整体评估方法讲解.mp4            18.39MB
│   ├─6.45模型保存方法讲解.mp4            12.67MB
│   ├─6.46代码整体优化和修复bug.mp4            21.4MB
│   ├─6.47加载词向量调试讲解.mp4            47.47MB
│   ├─6.48过滤测试中的词.mp4            9.87MB
│   ├─6.49整体代码完成.mp4            14.69MB
│   ├─6.4数据集加载方法讲解.mp4            52.95MB
│   ├─6.50整体训练讲解.mp4            19.11MB
│   ├─6.5数据集加载方法测试.mp4            99.47MB
│   ├─6.6更新指定编码开始.mp4            13.9MB
│   ├─6.7BIO编码校验及更改.mp4            20.53MB
│   ├─6.8BIO编码校验方法测试.mp4            24.64MB
│   └─6.9BIO编码转BIOES编码.mp4            21.02MB
├─第07章、命名实体识别项目案例
│   ├─7.10命名实体识别web界面演示及功能实现.mp4            15.79MB
│   ├─7.11命名实体识别web前后台通信完成.mp4            19.54MB
│   ├─7.12命名实体识别web项目完成.mp4            16.51MB
│   ├─7.1案例项目工程创建.mp4            21.65MB
│   ├─7.2加载maps文件获取数据.mp4            10.24MB
│   ├─7.3使用模型主体方法完成.mp4            26.53MB
│   ├─7.4模型及输入方法测试.mp4            15.43MB
│   ├─7.5模型使用方法测试及调试完成.mp4            53.34MB
│   ├─7.6模型使用命令行方式完成.mp4            17.63MB
│   ├─7.7Postman工具安装及使用讲解.mp4            10.33MB
│   ├─7.8命名实体识别api工程搭建.mp4            12.08MB
│   └─7.9命名实体识别api方式使用完成.mp4            12.79MB
├─第08章、基于IDCNN+CRF的中文命名实体识别实战
│   ├─8.10IDCNN模型整体训练详细讲解.mp4            34.32MB
│   ├─8.11IDCNN模型命令行使用方式讲解.mp4            20.87MB
│   ├─8.12IDCNN模型web使用方式详细讲解.mp4            13.1MB
│   ├─8.1通用卷积神经网络讲解.mp4            18.12MB
│   ├─8.2Dilated CNN理论及原理深入讲解.mp4            10.72MB
│   ├─8.3IDCNN理论及原理深入解析.mp4            13.79MB
│   ├─8.4IDCNN工程创建及框架架构搭建.mp4            14.49MB
│   ├─8.5IDCNN参数设置及层次设计讲解.mp4            9.28MB
│   ├─8.6IDCNN_layer层讲解上.mp4            11.77MB
│   ├─8.7IDCNN_layer层讲解中.mp4            11.52MB
│   ├─8.8DCNN_layer层讲解下.mp4            11.55MB
│   └─8.9IDCNN_project层详细讲解.mp4            10.61MB
├─第09章、Bert相关理论详细详解
│   ├─9.10Bert如何解决自然语言推理问题.mp4            6.16MB
│   ├─9.11Bert如何应用于机器阅读理解任务.mp4            8.69MB
│   ├─9.12Bert总结.mp4            8.86MB
│   ├─9.1引入Self-attention的原因.mp4            8.29MB
│   ├─9.2Self-attention原理讲解上.mp4            7.14MB
│   ├─9.3Self-attention遗留的问题讲解.mp4            13.95MB
│   ├─9.4Transformer架构及可视化讲解.mp4            17.65MB
│   ├─9.5Bert开篇讲解.mp4            5.06MB
│   ├─9.6ELMO技术原理详细讲解.mp4            6.85MB
│   ├─9.7Bert第一种训练方式讲解.mp4            6.34MB
│   ├─9.8Bert如何用于情感分析与文本分类.mp4            4.31MB
│   └─9.9Bert如何用于槽位填充.mp4            3.54MB
├─第10章、基于Bert+LSTM+CRF的中文命名实体识别实战
│   ├─10.10利用bert来创建自己模型上.mp4            28.61MB
│   ├─10.11利用bert来创建自己模型下.mp4            12.82MB
│   ├─10.12datalodaer中数处理类讲解.mp4            43.09MB
│   ├─10.13NER数据处理类讲解上.mp4            7.76MB
│   ├─10.14输入数据面向对象封装.mp4            10.5MB
│   ├─10.15获取标签方法详细讲解.mp4            12.04MB
│   ├─10.16NER数据处理类完成.mp4            11.81MB
│   ├─10.17数据预处理类debug详细讲解.mp4            70.66MB
│   ├─10.18run中的参数规范编写上.mp4            10.9MB
│   ├─10.19run中的参数规范编写下.mp4            12.86MB
│   ├─10.1基于Bert命名实体识别工程目录介绍.mp4            16.32MB
│   ├─10.20基于Bert的训练方法中的Bert参数获取讲解.mp4            13.15MB
│   ├─10.21获取Bert中的tokenization创建tokenizer.mp4            30.82MB
│   ├─10.22构建estimator中的RunConfig详细讲解.mp4            14.27MB
│   ├─10.23加载数据集详细讲解体现面向对象的好处.mp4            14.34MB
│   ├─10.24加载数据集验证完成.mp4            27.9MB
│   ├─10.25转换TFRecord开始.mp4            10.12MB
│   ├─10.26转换TFRecord完成.mp4            11.54MB
│   ├─10.27对每一个样本进行编码处理详细讲解.mp4            21.88MB
│   ├─10.28将数据集转换成Bert训练的数据集格式.mp4            11.71MB
│   ├─10.29feature转换完成.mp4            18MB
│   ├─10.2基于bert命名实体识别环境搭建.mp4            39.25MB
│   ├─10.30读取数据格式转换开始.mp4            22.66MB
│   ├─10.31读取数据格式转换完成.mp4            41.21MB
│   ├─10.32数据转换debug上.mp4            38.06MB
│   ├─10.33数据转换debug下.mp4            21.22MB
│   ├─10.34dev数据格式化输出.mp4            14.09MB
│   ├─10.35整体框架搭建完毕.mp4            15.25MB
│   ├─10.36具体构建模型开始.mp4            47.43MB
│   ├─10.37模型训练构建完成.mp4            14.02MB
│   ├─10.38模型评估构建完成.mp4            35.71MB
│   ├─10.39模型训练讲解.mp4            19.06MB
│   ├─10.3lstm_crf_layer层init方法讲解.mp4            10.78MB
│   ├─10.40代码优化及模型重点讲解.mp4            16.07MB
│   ├─10.41模型测试讲解及最终总结.mp4            16.54MB
│   ├─10.4网络整体架构搭建讲解.mp4            9.29MB
│   ├─10.5双向RNN模型巧妙设计讲解.mp4            8.39MB
│   ├─10.6bilstm_layer层更加简洁方式实现讲解.mp4            8.9MB
│   ├─10.7project_bilstm_layer层另外一种实现详细讲解.mp4            51.61MB
│   ├─10.8project_crf_layer层详细讲解.mp4            10.76MB
│   └─10.9crf_layer层详细讲解.mp4            59.39MB
├─第11章、基于Tensorflow2.x的命名实体识别实战
│   ├─11.10数据处理代码回顾.mp4            26.37MB
│   ├─11.11LSTM+CRF模型详解上.mp4            39.08MB
│   ├─11.12LSTM+CRF模型详解中.mp4            123.64MB
│   ├─11.13LSTM+CRF模型详解下.mp4            27.35MB
│   ├─11.14模型训练及问题答疑.mp4            115.02MB
│   ├─11.15模型预测.mp4            21.61MB
│   ├─11.16IDCNN理论讲解.mp4            27.29MB
│   ├─11.17IDCNN+CRF代码讲解.mp4            38.25MB
│   ├─11.1命名实体识别简介.mp4            117.02MB
│   ├─11.2命名实体识别数据标注方法讲解.mp4            24.63MB
│   ├─11.3命名实体是主流方法讲解.mp4            32.47MB
│   ├─11.4HMM与CRF基础补充.mp4            30.69MB
│   ├─11.5数据集加载与预处理讲解.mp4            161.65MB
│   ├─11.6BIO编码校验及转换讲解.mp4            28.61MB
│   ├─11.7字典映射构建讲解.mp4            37.15MB
│   ├─11.8词向量加载讲解.mp4            18.71MB
│   └─11.9基于BiLSTM模型的明明实体识别讲解.mp4            49.99MB
└─资料
      └─资料
            ├─动手学NER
            │   ├─BERT.pdf            2MB
            │   ├─tf1.3.1版本
            │   │   ├─基于Bert+BILSTM+CRF模型实现部分代码
            │   │   │   ├─Bert-BILSTM-CRF-action.rar            369.14MB
            │   │   │   ├─Bert-BILSTM-CRF-predict-action.rar            369.15MB
            │   │   │   ├─bert-master.zip            105.01KB
            │   │   │   ├─chinese_L-12_H-768_A-12
            │   │   │   │   ├─bert_config.json            520B
            │   │   │   │   ├─bert_model.ckpt.data-00000-of-00001            392.47MB
            │   │   │   │   ├─bert_model.ckpt.index            8.31KB
            │   │   │   │   ├─bert_model.ckpt.meta            883.86KB
            │   │   │   │   └─vocab.txt            106.97KB
            │   │   │   ├─data
            │   │   │   │   ├─dev            685.99KB
            │   │   │   │   ├─test            1.34MB
            │   │   │   │   └─train            5.99MB
            │   │   │   ├─地址.txt            146B
            │   │   │   └─资料2.zip            1.51KB
            │   │   ├─基于BILSTM+CRF模型实现部分代码
            │   │   │   ├─NER-action.rar            7.3MB
            │   │   │   ├─NER-use-flask.rar            8.02MB
            │   │   │   ├─NER-use.rar            7.92MB
            │   │   │   ├─城市编码.txt            7.2KB
            │   │   │   └─天气api接口.txt            75B
            │   │   └─基于IDCNN+CRF模型实现部分代码
            │   │         ├─NER-IDCNN-action.rar            15.31MB
            │   │         ├─NER-idcnn-flask.rar            7.77MB
            │   │         ├─NER-idcnn-use.rar            7.66MB
            │   │         └─资料2【海量一手完整it资源尽在itdjs.com】.zip            1.51KB
            │   ├─tf2.1版本
            │   │   ├─BiLSTM
            │   │   │   └─BruceNER.rar            24.35MB
            │   │   ├─BiLSTM+CRF
            │   │   │   └─BruceNERModel.rar            53.02MB
            │   │   └─IDCNN+CRF
            │   │         └─BruceNERModel.rar            24.36MB
            │   ├─Transformer.pdf            2.31MB
            │   ├─动手学命名实体识别.pdf            1MB
            │   ├─卷积神经网络.pdf            1.53MB
            │   ├─命名实体识别-tf2.1课件.pdf            1.5MB
            │   ├─循环神经网络 .pdf            1.68MB
            │   └─环境搭建.pdf            3.58MB
            └─环境搭建
                  ├─soft
                  │   ├─Anaconda3-5.2.0-Windows-x86_64.exe            631.32MB
                  │   ├─cuda_9.0.176_win10.exe            1.33GB
                  │   ├─cudnn-9.0-windows10-x64-v7.5.0.56
                  │   │   └─cuda
                  │   │         ├─bin
                  │   │         │   └─cudnn64_7.dll            294.31MB
                  │   │         ├─include
                  │   │         │   └─cudnn.h            116.62KB
                  │   │         ├─lib
                  │   │         │   └─x64
                  │   │         │         └─cudnn.lib            57.9KB
                  │   │         └─NVIDIA_SLA_cuDNN_Support.txt            38.05KB
                  │   ├─Postman-win32-7.2.2-Setup.exe            64.69MB
                  │   ├─Postman-win64-7.2.2-Setup.exe            72.55MB
                  │   └─pycharm-professional-2018.3.5.exe            269.51MB
                  └─环境搭建.pdf            3.58MB

资源下载

抱歉,只有登录并在本文发表评论才能阅读隐藏内容,切记不要恶意刷,否则会被限制,先阅读用户规则,一旦进入黑名单,不可能再放出来。同时注意,暂停在线支付,请联系客服QQ267286513。
  1. lemming说道:

    据说这个讲的比较详细,是手敲的,特来下载

  2. 西瓜皮说道:

    学习学习 :razz:

  3. 1134162435说道:

    学习一下,感谢

  4. overtime说道:

    感谢分享

  5. lua说道:

    学习一下

  6. 莉莉丝~说道:

    nlp,ppppp看看

  7. yy说道:

    nlp领域的ai应用之一,tf也是常用框架

  8. aipowerup说道:

    看下自然语言处理,谢谢分享。

  9. 说道:

    自然语言

  10. HahaX说道:

    谢谢

  11. joy说道:

    学习一下

  12. 莫名说道:

    学习一下,感谢

  13. hello_world说道:

    自然语言处理之动手学NER

  14. tylrr说道:

    谢谢分享

  15. 星耀说道:

    感谢分享

  16. tomcat说道:

    学习一下,感谢

  17. 天下无鱼110T说道:

    感谢分享

  18. AKS说道:

    牛逼了 学习一下

  19. 山涧小石说道:

    管理员随机测试

  20. yexing说道:

    学习一下,感谢

发表回复