响木课堂-响木SVIP目录-我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转文本挖掘-Python数据分析课程【New】

主页/我的资源/01 响木最新众筹课/4000-4999/4100-4199/4111.Python统计建模到深度学习全程班/玩转文本挖掘-Python数据分析课程【New】/

01_1.1-什么是文本挖掘.mp4
02_1.2-文本挖掘的基本流程和任务.mp4
03_1.3-文本挖掘的基本思路.mp4
04_1.4-语料数据化时需要考虑的工作.mp4
05_2.1-Python常用IDE简介.mp4
06_2.2-Anaconda的安装与配置.mp4
07_2.3-Jupyter-Notebook的基本操作.mp4
08_2.4-NLTK安装与配置.mp4
09_2.5-什么是语料库.mp4
10_2.6-准备《射雕》语料库.mp4
11_3.1-分词原理简介.mp4
12_3.2-结巴分词的基本用法.mp4
13_3.3-使用自定义词典和搜狗细胞词库.mp4
14_3.4-去除停用词.mp4
15_3.5-词性标注及其他.mp4
16_4.1-词频统计.mp4
17_4.2-词云概述.mp4
18_4.3-wordcloud安装.mp4
19_4.4-绘制词云.mp4
20_4.5-设置词云背景.mp4
21_4.6-修改词云颜色.mp4
22_5.1-词袋模型.mp4
23_5.2-词袋模型的gensim实现.mp4
24_5.3-用Pandas生成文档-词条矩阵.mp4
25_5.4-用sklearns生成文档-词条矩阵.mp4
26_5.5-从词袋模型到N-gram模型.mp4
27_5.6-文本信息的分布式表示.mp4
28_5.7-共现矩阵.mp4
29_5.8-NNLM模型的突破.mp4
30_5.9-word2vec一出，满座皆惊.mp4
31_6.1-关键词提取的基本思路.mp4
32_6.2-TFIDF.mp4
33_6.3-jieba实现.mp4
34_6.4-sklearn实现.mp4
35_6.5-TF-IDF算法的gensim实现.mp4
36_6.6-TextRank算法.mp4
37_7.1-主题模型概述.mp4
38_7.2-主题模型的sklearn实现.mp4
39_7.3-主题模型的gensim实现.mp4
40_7.4-主题模型结果的可视化.mp4
41_8.1-基本概念.mp4
42_8.2-词条相似度：word2vec训练.mp4
43_8.3-词条相似度：word2vec应用.mp4
44_8.4-文档相似度的词袋模型实现.mp4
45_8.5-doc2vec.mp4
46_8.6-文档聚类.mp4
47_9.1-文本分类概述.mp4
48_9.2-朴素贝叶斯算法.mp4
49_9.3-算法的sklearn实现.mp4
50_9.4-算法的NLTK实现.mp4
51_10.1-情感分析概述.mp4
52_10.2-情感分析的词袋模型实现.mp4
53_10.3-情感分析的分布式表达实现.mp4
54_11.1-自动摘要的基本原理.mp4
55_11.2-自动摘要的效果评价.mp4
56_11.3-自动摘要的python实现.mp4
57_12.1-RNN的基本原理.mp4
58_12.2-LSTM的基本原理.mp4
59_12.3-Keras+TensorFlow组合的优势.mp4
60_12.4-安装Keras+TensorFlow组合.mp4
61_12.5-案例1：数据准备.mp4
62_12.6-案例1：模型拟合.mp4
63_12.7-案例2：数据准备.mp4
64_12.8-案例2：模型拟合.mp4

Copyright © All rights reserved.

信息加载中,请等待...