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)
