课程目录
1 词向量的共现矩阵表示 (13:17) 2 神经网络语言模型的原理 (38:25) 3 CBOW和Skip-Gram模型的原理 (19:53) 4 中文文本词向量模型的数据加载 (21:29) 5 中文词向量模型的训练 (21:44) 6 中文词向量模型的使用 (08:18) 7 词向量模型的高维理解 (21:54) 8 Pytorch的安装和使用 (21:44) 9 梯度下降与反向传播 (20:42) 10 Pytorch中的数据加载 (24:09) 11 FastText文本分类模型概述 (24:09) 12 FastText中文文本分类 (24:05) 13 卷积运算及其应用 (20:28) 14 卷积神经网络概述 (22:56) 15 TextCNN的原理和实现 (26:52) 16 基于TextCNN的中文文本分类(一) (21:16) 17 基于TextCNN的中文文本分类(二) (22:39) 18 基于TextCNN的中文文本分类(三) (21:20) 19 基于TextCNN的中文文本分类(四) (20:31) 20 循环神经网络概述 (20:49) 21 长短时记忆神经网络 (20:24) 22 基于TextRNN的中文文本分类 (21:10) 23 门控循环单元结构 (20:22) 24 基于TextRCNN的中文文本分类 (23:29) 25 基于注意力的BiLSTM中文文本分类 (23:48)
