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)
