课程目录
1-1 [文本挖掘概述] 什么是文本挖掘 (08:57) 1-2 [文本挖掘概述] 文本挖掘的基本流程和任务 (08:19) 1-3 [文本挖掘概述] 文本挖掘的基本思路 (06:52) 1-4 [文本挖掘概述] 语料数据化时需要考虑的工作 (06:49) 1-5 [文本挖掘概述] AI助力文本挖掘（上） (12:39) 1-6 [文本挖掘概述] AI助力文本挖掘（下） (09:16) 1-7 [文本挖掘概述] 本课程案例数据及文档下载 (10) 2-1 [磨刀不误砍柴工] Python常用IDE简介 (11:21) 2-2 [磨刀不误砍柴工] Anaconda的安装与配置 (16:23) 2-3 [磨刀不误砍柴工] Jupyter Notebook的基本操作 (11:58) 2-4 [磨刀不误砍柴工] NLTK的安装与配置 (06:06) 2-5 [磨刀不误砍柴工] 什么是语料库 (13:43) 2-6 [磨刀不误砍柴工] 准备《射雕》语料库 (14:46) 3-1 [分词] 分词原理简介 (08:02) 3-2 [分词] 结巴分词的基本用法 (09:08) 3-3 [分词] 使用自定义词典和搜狗细胞词库 (09:55) 3-4 [分词] 去除停用词 (11:07) 3-5 [分词] 词性标注及其他 (06:30) 4-1 [词云展示] 词频统计 (08:25) 4-2 [词云展示] 词云概述 (05:03) 4-3 [词云展示] wordcloud包的安装 (08:10) 4-4 [词云展示] 绘制词云 (13:13) 4-5 [词云展示] 设置词云背景模板 (09:35) 4-6 [词云展示] 修改词云颜色 (10:35) 5-1 [文本信息的向量化] 词袋模型 (07:33) 5-2 [文本信息的向量化] 词袋模型的gensim实现 (10:55) 5-3 [文本信息的向量化] 用Pandas生成文档词条矩阵 (11:16) 5-4 [文本信息的向量化] 用sklearns生成文档-词条矩阵 (11:41) 5-5 [文本信息的向量化] 从词袋模型到N-gram模型 (06:50) 5-6 [文本信息的向量化] 文本信息的分布式表示 (09:51) 5-7 [文本信息的向量化] 共现矩阵 (05:56) 5-8 [文本信息的向量化] NNLM模型的突破 (05:19) 5-9 [文本信息的向量化] word2vec一出，满座皆惊 (15:17) 6-1 [关键词提取] 关键词提取的基本思路 (06:43) 6-2 [关键词提取] TF-IDF 算法 (05:53) 6-3 [关键词提取] TF-IDF算法的jieba实现 (11:09) 6-4 [关键词提取] TF-IDF算法的sklearn实现 (05:39) 6-5 [关键词提取] TF-IDF算法的gensim实现 (05:35) 6-6 [关键词提取] TextRank算法 (08:16) 7-1 [抽取文档主题] 主题模型概述 (13:02) 7-2 [抽取文档主题] 主题模型的sklearn实现 (12:18) 7-3 [抽取文档主题] 主题模型的gensim实现 (15:57) 7-4 [抽取文档主题] 主题模型结果的可视化 (17:46) 8-1 [文档相似度] 基本概念 (07:38) 8-2 [文档相似度] 词条相似度：word2vec训练 (10:06) 8-3 [文档相似度] 词条相似度：word2vec应用 (09:24) 8-4 [文档相似度] 文档相似度的词袋模型实现 (07:52) 8-5 [文档相似度] doc2vec (09:55) 8-6 [文档相似度] 文档聚类 (09:05) 9-1 [文本分类] 文本分类概述 (11:07) 9-2 [文本分类] 朴素贝叶斯算法 (07:11) 9-3 [文本分类] 算法的sklearn实现 (10:27) 9-4 [文本分类] 算法的NLTK实现 (06:44) 10-1 [情感分析] 情感分析概述 (17:56) 10-2 [情感分析] 情感分析的词袋模型实现 (07:29) 10-3 [情感分析] 情感分析的分布式表达实现 (10:12) 11-1 [自动摘要] 自动摘要的基本原理 (13:10) 11-2 [自动摘要] 自动摘要的效果评价 (09:03) 11-3 [自动摘要] 自动摘要的python实现 (12:50) 12-1 [文本自动写作] RNN的基本原理 (13:54) 12-2 [文本自动写作] LSTM的基本原理 (12:59) 12-3 [文本自动写作] Keras+TensorFlow组合的优势 (05:32) 12-4 [文本自动写作] 安装Keras+TensorFlow组合 (05:46) 12-5 [文本自动写作] 案例1：数据准备 (13:55) 12-6 [文本自动写作] 案例1：模型拟合 (11:21) 12-7 [文本自动写作] 案例2：数据准备 (13:38) 12-8 [文本自动写作] 案例2：模型拟合 (09:46)
