课程资料

• 讲稿下载：报名后可见

• 课程代码包：报名后可见

• 运行本课程程序需要安装如下软件包：

• Sktlearns：conda install scikit-learn

• 结巴分词：pip install jieba

• Gensim：pip install gensim

课程背景

我们要创造一个宇宙，在这里，每颗星星就是一个单词，它们不仅烁烁发光，而且还会自动地聚类形成家族。看，“徐静蕾”、“赵薇”，和“冯小刚”抱成了一团；“美元”、“台币”、“卢比”、“比索”聚成了一堆；“星星”、“月亮”、“太阳”跑到了一块儿。更有意思的是，这些星星还懂得复杂的人际关系，例如当我们在“汪峰”和“章子怡”之间连一条线，再在“窦唯”与“王菲”之间连条线，那么这两条线几乎就是平行的，这个平行的向量就对应了“男女关系”。这就是Word2Vec的神奇力量。Word2Vec是Google开发的一种将词汇嵌入到向量空间的技术，有了它，我们就可以用神经网络的方式来处理单词，甚至完成各种复杂的自然语言处理任务了。

课后作业：

利用现成的中、英文词向量进行简单的词到词的翻译

课程目的

学完本课程，你能做到

• 了解自然语言处理（NLP）技术的基本概念

• 了解词向量的基本概念与特殊性质

• 掌握NPLM神经概率语言模型

• 熟悉Word2Vec技术，掌握Word2Vec技术的实现方法

• 熟悉使用词向量进行语义运算的特殊性质

课程详情

本课程的内容包括：

• NLP总体介绍

• 词向量介绍

• Bengio的神经概率语言模型（NPLM）

• NPLM的PyTorch实现

• 《三体》中的词向量

• 中文分词与预处理

• 运用Sklearn包进行PCA降维

• Word2Vec技术介绍

• Skip Gram模型

• 负采样技术

• gensim的Word2Vec包

• 加载大型词向量

• 降维可视化

• 运用词向量进行类比推理

• 运用词向量进行查询与搜索