免费一看一级欧美-免费一区二区三区免费视频-免费伊人-免费影片-99精品网-99精品小视频

課程大綱：

自然語言處理底層技術實現及應用培訓

課程將以中文為處理對象，

逐步講解關于中文的自然語言處理技術常用的一些底層技術，

即中文分詞、詞性標注、命名實體識別。

這三項底層技術也是目前能夠商用，且相對成熟的技術。

1 中文分詞方法

2 命名實體識別

3 條件隨機場模型

4 中文詞性標注

5 隱馬爾科夫模型

6 長短時記憶網絡

1
自然語言處理簡介

1.自然語言處理發展歷史

2.自然語言處理底層技術

3.自然語言處理應用技術

2
基于字典的中文分詞方法

1.分詞常用方法

2.正向大匹配法

3.逆向大匹配法

4.雙向大匹配法

1
實現逆向大匹配法

1.中文分詞概念

2.逆向大匹配法

3
基于隱馬爾可夫的中文分詞方法

1.序列標注

2.隱馬爾可夫模型

3.維特比算法

2
實現維特比算法

1.維特比算法

4
基于條件隨機場的詞性標注方法

1.詞性標注

2.基于規則的方法

3.基于統計的方法

4.條件隨機場

3
使用條件隨機場工具進行分詞

1.文本預處理

2.sklearncrfsuite使用

5
基于深度學習的命名實體識別方法

1.命名實體識別

2.循環神經網絡

3.長短時記憶網絡

4.BiLSTMCRF

5.TensorFlow

4
實現基于規則的命名實體識別方法

1.命名實體識別概念

2.基于規則的方法

課程將會以中文文本為研究對象，

逐步講解自然語言處理中常用的底層技術，

并動手實現。課程主要講解自然語言處理的底層技術，

具體來說是中文分詞，詞性標注以及命名實體識別。

中文分詞：基于字典的方法 。

中文分詞：基于隱馬爾可夫模型的方法。

詞性標注：基于條件隨機場的方法。

命名實體識別：基于深度學習的方法。

在中文分詞實驗中，主要會詳細介紹以下幾種方法：

正向大匹配法。

逆向大匹配法。

雙向大匹配法。

隱馬爾可夫方法。