从基本的分词、词袋模型、分布式表示等概念开始，多面深入学习文本挖掘技术的各个方面。

*   01 文本挖掘概述/

  *   01 什么是文本挖掘.mp4 08:57

  *   02 文本挖掘的基本流程和任务.mp4 08:19

  *   03 文本挖掘的基本思路.mp4 06:52

  *   04 语料数据化时需要考虑的工作.mp4 06:49

  *   05 AI助力文本挖掘（上）.mp4 12:39

  *   06 AI助力文本挖掘（下）.mp4 09:16

  *   07 本课程代码课件及数据下载

  *   08 本课程案例数据及文档下载.mp4 00:10

*   02 磨刀不误砍柴工/

  *   01 Python常用IDE简介.mp4 11:21

  *   02 Anaconda的安装与配置.mp4 16:23

  *   03 Jupyter Notebook的基本操作.mp4 11:58

  *   04 NLTK的安装与配置.mp4 06:06

  *   05 什么是语料库.mp4 13:43

  *   06 准备《射雕》语料库.mp4 14:46

*   03 分词/

  *   01 分词原理简介.mp4 08:02

  *   02 结巴分词的基本用法.mp4 09:08

  *   03 使用自定义词典和搜狗细胞词库.mp4 09:55

  *   04 去除停用词.mp4 11:07

  *   05 词性标注及其他.mp4 06:30

*   04 词云展示/

  *   01 词频统计.mp4 08:25

  *   02 词云概述.mp4 05:03

  *   03 wordcloud包的安装.mp4 08:10

  *   04 绘制词云.mp4 13:13

  *   05 设置词云背景模板.mp4 09:35

  *   06 修改词云颜色.mp4 10:35

*   05 文本信息的向量化/

  *   01 词袋模型.mp4 07:33

  *   02 词袋模型的gensim实现.mp4 10:55

  *   03 用Pandas生成文档词条矩阵.mp4 11:16

  *   04 用sklearns生成文档-词条矩阵.mp4 11:41

  *   05 从词袋模型到N-gram模型.mp4 06:50

  *   06 文本信息的分布式表示.mp4 09:51

  *   07 共现矩阵.mp4 05:56

  *   08 NNLM模型的突破.mp4 05:19

  *   09 word2vec一出，满座皆惊.mp4 15:17

*   06 关键词提取/

  *   01 关键词提取的基本思路.mp4 06:43

  *   02 TF-IDF 算法.mp4 05:53

  *   03 TF-IDF算法的jieba实现.mp4 11:09

  *   04 TF-IDF算法的sklearn实现.mp4 05:39

  *   05 TF-IDF算法的gensim实现.mp4 05:35

  *   06 TextRank算法.mp4 08:16

*   07 抽取文档主题/

  *   01 主题模型概述.mp4 13:02

  *   02 主题模型的sklearn实现.mp4 12:18

  *   03 主题模型的gensim实现.mp4 15:57

  *   04 主题模型结果的可视化.mp4 17:46

*   08 文档相似度/

  *   01 基本概念.mp4 07:38

  *   02 词条相似度：word2vec训练.mp4 10:06

  *   03 词条相似度：word2vec应用.mp4 09:24

  *   04 文档相似度的词袋模型实现.mp4 07:52

  *   05 doc2vec.mp4 09:55

  *   06 文档聚类.mp4 09:05

*   09 文本分类/

  *   01 文本分类概述.mp4 11:07

  *   02 朴素贝叶斯算法.mp4 07:11

  *   03 算法的sklearn实现.mp4 10:27

  *   04 算法的NLTK实现.mp4 06:44

*   10 情感分析/

  *   01 情感分析概述.mp4 17:56

  *   02 情感分析的词袋模型实现.mp4 07:29

  *   03 情感分析的分布式表达实现.mp4 10:13

*   11 自动摘要/

  *   01 自动摘要的基本原理.mp4 13:10

  *   02 自动摘要的效果评价.mp4 09:03

  *   03 自动摘要的python实现.mp4 12:50

*   12 文本自动写作/

  *   01 RNN的基本原理.mp4 13:54

  *   02 LSTM的基本原理.mp4 12:59

  *   03 Keras+TensorFlow组合的优势.mp4 05:32

  *   04 安装Keras+TensorFlow组合.mp4 05:46

  *   05 案例1：数据准备.mp4 13:55

  *   06 案例1：模型拟合.mp4 11:21

  *   07 案例2：数据准备.mp4 13:38

  *   08 案例2：模型拟合.mp4 09:46

*   13 结课测试/

  *   01 结课测试