百度网盘

├─章节1：

│      1. NLP和深度学习发展概况和最新动态

│      2. NLP实现机器学习，聊天机器人，情感分析和语义搜索.mp4

│

├─章节2： NLP与python编程

│      3. Python环境搭建及开发工具安装.mp4

│      4. NLP常用PYTHON开发包的介绍.mp4

│      5. Jieba安装、介绍及使用.mp4

│      6. Stanford NLP 在Python环境中安装、介绍及使用.mp4

│      7. Hanlp 在Python环境中安装、介绍及使用.mp4

│

├─章节3： 快速掌握NLP技术之分词、词性标注和关键字提取

│      08. 分词、词性标注及命名实体识别介绍及应用.mp4

│      09. 准确分词之加载自定义字典分词01.mp4

│      10. 准确分词之加载自定义字典分词02.mp4

│      11. 准确分词之动态调整词频和字典.mp4

│      12. 词性标注代码实现及信息提取.mp4_

│      13. 人名、地名、机构名等关键命名实体识别.mp4

│      14. TextRank算法原理介绍.mp4

│      15. 基于TextRank关键词提取.mp4

│

├─章节4： 句法与文法

│      16. 依存句法与语义依存分析.mp4

│      17. 依存句法树解析（子树遍历，递归搜索，叶子节点提取等）.mp4

│      18. 名词短语块挖掘.mp4

│      19. 自定义语法与CFG.mp4

│

├─章节5： N-GRAM文本挖掘

│      20. N-GRAM算法介绍.mp4

│      21. N-GRAM生成词语对.mp4

│      22. TF-IDF算法介绍应用.mp4

│      23. 基于TF-IDF挖掘符合语言规范的N-GRAM.mp4

│

├─章节6： 表示学习与关系嵌入

│      24. 语言模型.mp4

│      25. 词向量.mp4

│      26. 深入理解Word2vec算法层次sofmax.mp4

│      27. 深入理解Word2vec算法负采样.mp4

│      28. 6.4 基于Word2vec技术的词向量、字向量训练.mp4

│

├─章节7： 深度学习之卷积神经网络

│      29. BP神经网络.mp4

│      30. 彻底理解深度学习指卷积神经网络.mp4

│      31. CNN文本分类.mp4

│      32. CNN文本分类算法模块.mp4

│      33. CNN文本分类模型详解数据预处理.mp4

│      34. CNN文本分类模型测试与部署.mp4

│

├─章节8： 深度学习之递归神经网络

│      35. 递归网络.mp4

│      36. LSTM.mp4

│      37. LSTM文本分类原理.mp4

│      38. LSTM文本分类代码架构.mp4

│      39. LSTM文本分类代码详解.mp4

│      40. LSTM文本分类模型预测与部署.mp4

│

├─章节9： 特定领域命名实体识别NER技术

│       41. 基于深度学习医药保险命名实体识别课题背景介绍.mp4

│       42. 医药保险命名实体和实体关系体系建立和命名实体分类规范.mp4

│       43. 医药保险命名实体识别相关前沿技术和难点.mp4

│       44. 基于深度学习医药保险命名实体识别的算法模块设计(上).mp4

│       45. 基于深度学习医药保险命名实体识别的算法模块设计（下）.mp4

│       46. 数据的采集，清洗，数据机器自动标注及转化为深度学习格式.mp4

│       47. 数据的采集，清洗，数据机器自动标注及转化为深度学习格式.mp4

│       48. 模型本地Lib库封装（上）.mp4

│       49. 模型本地Lib库封装（下）.mp4

│       50. 部署tensorflow训练好的模型为云服务（上）.mp4

│       51. 部署tensorflow训练好的模型为云服务（下）.mp4

│       52. 算法设计及代码实现1.mp4

│       53. 算法设计及代码实现2.mp4

│       54. 代码调试，参数优化及深度剖析（深入理解）1.mp4

│       55. 代码调试，参数优化及深度剖析（深入理解）2.mp4

│

├─源码

│

├─自然语言处理-配套课件链接.docx