北风网-决胜AI 机器学习与自然语言处理算法实战课

资源简介

随着自然语言处理技术无处不在,成为很多项目的核心竞争力。被广泛用在语音识别,语音合成,自动分词,句法分析,语法纠错,
关键词提取,文本分类/聚类,文本自动摘要,信息检索( ES,Solr) ,信息抽取,网络爬虫,知识图谱,机器翻译 ,人机对话,机器
写作,情感分析,文字识别,问答系统,推荐系统,考机器人等项目中。本教程从基础的NLP技术介绍开始,使用了现在流行的
Stanford NLP (斯坦福NLP ) , Jieba, Gensim开发工具。首先介绍了NLP技术的一些基础,如词性标注,分词,实体识别等,并且
对一-些软件包无法实现的功能,如分词分错了提供了工程的解决方案。然后介绍了机器学习算法和NLP技术结合使用,实现文本处
理。本课程更加注重代码实践。

《北风网-决胜AI 机器学习与自然语言处理算法实战课》

资源目录

——/计算机教程LTDLG/09-其他/280-北风网-决胜AI 机器学习与自然语言处理算法实战课/
├──1.10、09.加载自定义字典.mkv  13.29M
├──1.11、10.代码和案例:新闻文本的分词1.mkv  31.18M
├──1.12、10.代码和案例:新闻文本的分词2.mkv  39.73M
├──1.13、11.TFIDF算法原理.mkv  27.13M
├──1.14、12.提取任意文本关键词,过滤文本噪音.mkv  47.83M
├──1.15、13.词性标注和实体识别的算法原理和应用场景.mkv  10.07M
├──1.16、14.代码和案例:新闻中人名、地名、机构名自动识别与词性标记.mkv  28.99M
├──1.17、15.Gensim介绍,下载,安装及在Wing Ide中使用.mkv  24.68M
├──1.18、16.Gensim 基本的概念:语料、向量、模型.mkv  35.70M
├──1.19、17.LSI算法背景,原理和应用.mkv  21.52M
├──1.1、01.NLP入门及概况.mkv  39.10M
├──1.20、18.案例:基于LSI模型的文本相似度计算.mkv  49.31M
├──1.21、19.LDA算法背景,原理和应用.mkv  31.48M
├──1.22、20.案例:基于LDA模型的文本相似度计算.mkv  30.39M
├──1.2、02.NLP国内外最新发展动态.mkv  26.49M
├──1.3、03.NLP如何实现人机对话,机器翻译,机器写作,情感分类,观点挖掘.mkv  10.45M
├──1.4、04.PYTHON环境搭建之Anaconda安装.mkv  17.16M
├──1.5、05.PYTHON集成开发工具之Wing Ide安装.mkv  13.75M
├──1.6、06.PYTHON包的导入和使用文件的读写操作.mkv  57.55M
├──1.7、07.jieba介绍,安装及在Wing Ide使用.mkv  18.92M
├──1.8、08.jieba分词词性标注及Tokenize1.mkv  20.11M
└──1.9、08.jieba分词词性标注及Tokenize2.mkv  8.19M

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QQ2441105221。
  1. Chris说道:

    学习一下

  2. xuxu1633说道:

    感谢分享

  3. 轮山靓仔说道:

    感谢分享

  4. 攀登高峰说道:

    正好需要,谢谢

  5. nlbsn说道:

    正好需要,谢谢

  6. overtime说道:

    感谢分享

  7. 嘉言说道:

    学习学习

  8. HahaX说道:

    学习

  9. lua说道:

    学习学习

  10. bluesky说道:

    学习学习

  11. tylrr说道:

    谢谢分享

  12. 莫名说道:

    感谢分享

  13. yuan说道:

    :razz:好

  14. 花椒枸杞说道:

    感谢分享

  15. davyy说道:

    谢谢分享

  16. 忘记你说道:

    学习学习

  17. tomcat说道:

    学习学习

  18. 郭建安说道:

    谢谢分享

  19. hhh123说道:

    我要好好学习

  20. skr说道:

    学习,自然语言

  21. X.Lee说道:

    谢谢分享

  22. Sakuracyq说道:

    感谢分享 :rolleyes:

  23. 安仔说道:

    谢谢分享

  24. mrliuys说道:

    学习学习

  25. honey说道:

    代码和案例:新闻文本的分词

  26. 枫哈哈说道:

    学习学习

发表回复