Udemy線上課程 Python數據分析系列課程：學習文本挖掘 建立者:三節課 sanjieke 影音教學 中文發音 中文版(DVD版)
文本挖掘（TM），又稱自然語言處理（NLP），是AI時代炙手可熱的數據分析挖掘前沿領域，其所涉及的人機對話系統，推薦算法，文本分類等技術在BAT等企業中都得到廣泛應用。
本課程將使用經典武俠小說、大眾點評抓取結果、微博語料數據等多個實際案例進行教學。
課程將會從基本的分詞、詞袋模型、分布式表示等概念開始，多面介紹文本挖掘技術的各個方面，特別會針對目前最熱的word2vec，gensim 等結合實際案例進行學習，幫助學員直接升級至業界技術前沿。學習完本課程后，學員將能夠獨立使用Python環境完成中文文本挖掘的各種工作。
本課程版權歸三節課所有，未經書面同意私自錄制、轉載等行為均屬侵權行為。課程內的所有內容，包括但不限于影片、文字、圖片均由三節課公司或其他權利人依法擁有其知識產權，包括但不限于著作權、商標權、專利權等。
未經三節課公司的明確書面特別授權，任何人不得為任何目的使用以及向任何自然人或單位提供出售、營銷、出版或利用三節課官網上提供的任何內容或服務。如有違反，您將承擔由此給三節課公司或其他權利人造成的一切損失。
01 - 課程導讀
001 課程簡介.html
002 講師介紹.html
003 課程大綱.html
02 - 第1章 文本挖掘概述
004 1-1 什麼是文本挖掘.mp4
005 1-2 文本挖掘的基本流程和任務.mp4
006 1-3 文本挖掘的基本思路.mp4
007 1-4 語料數據化時需要考慮的工作.mp4
008 1-5 TM常用工具介紹1.mp4
009 1-6 TM常用工具介紹2.mp4
03 - 第2章 磨刀不誤砍柴工
010 2-1 IDE簡介.mp4
011 2-2 安裝202004.mp4
012 2-3 Notebook演示.mp4
013 2-4 NLTK安裝.mp4
014 2-5 什麼是語料庫.mp4
015 2-6 射雕準備.mp4
04 - 第3章 分詞
016 3-1 分詞原理簡介.mp4
017 3-2 結巴分詞的基本用法.mp4
018 3-3 自定義詞典.mp4
019 3-4 去除停用詞.mp4
020 3-5 詞性標注及其他.mp4
05 - 第4章 詞云展示
021 4-1 詞頻統計.mp4
022 4-2 詞云概述.mp4
023 4-3 Wordcloud安裝.mp4
024 4-4 繪制詞云.mp4
025 4-5 設置詞云背景.mp4
026 4-6 修改詞云顏色.mp4
06 - 第5章 文本信息的向量化
027 5-1 詞袋模型.mp4
028 5-2 詞袋模型的gensim實現.mp4
029 5-3 用Pandas生成文檔-詞條矩陣.mp4
030 5-4 用sklearn庫生成文檔-詞條矩陣.mp4
031 5-5 N-gram.mp4
032 5-6 分布式表示.mp4
033 5-7 共現矩陣.mp4
034 5-8 NNLM.mp4
035 5-9 word2vec.mp4
07 - 第6章 關鍵詞提取
036 6-1 關鍵詞提取的基本思路.mp4
037 6-2 TF-IDF算法.mp4
038 6-3 TF- IDF算法的jieba實現.mp4
039 6-4 TF- IDF算法的sklearn實現.mp4
040 6-5 TF-IDF算法的gensim實現.mp4
041 6-6 Textrank算法.mp4
08 - 第7章 抽取文檔主題
042 7-1 主題模型概述.mp4
043 7-2 主題模型的sklearn實現.mp4
044 7-3 主題模型的gensim實現.mp4
045 7-4 主題模型的LDA可視化.mp4
09 - 第8章 文檔相似度
046 8-1 基本概念.mp4
047 8-2 詞條相似度：Word2vec訓練.mp4
048 8-3 詞條相似度：Word2vec應用.mp4
049 8-4 文檔相似度的詞袋模型實現.mp4
050 8-5 doc2vec.mp4
051 8-6 文檔聚類.mp4
10 - 第9章 文本分類
052 9-1 文本分類概述.mp4
053 9-2 樸素貝葉斯算法.mp4
054 9-3 算法的sklearn實現.mp4
055 9-4 算法的NLTK實現.mp4
11 - 第10章 情感分析
056 10-1 情感分析概述.mp4
057 10-2 情感分析的詞袋模型實現.mp4
058 10-3 情感分析的分布式表達實現.mp4
12 - 第11章 自動摘要
059 11-1 自動摘要的基本原理.mp4
060 11-2 自動摘要的效果評價.mp4
061 11-3 自動摘要的python實現.mp4
13 - 第12章 文本自動寫作
062 12-1 RNN的基本原理.mp4
063 12-2 LSTM的基本原理.mp4
064 12-3 KT組合的優勢.mp4
065 12-4 KT組合的安裝.mp4
066 12-5 案例1數據準備.mp4
067 12-6 案例1模型擬合.mp4
068 12-7 案例2數據準備.mp4
069 12-8 案例2模型擬合.mp4
14 - 回顧總結
070 課後寄語.html
|
|
專業知識教學
