第一天上午

NLP入门与基础介※绍（一）

1.NLP的基本♀概念

2.NLP的发展◣历程

3.NLP主要研↑究方向

1)句法语义】分析

2)信息抽取

3)文本挖掘

4)机器翻译

5)信息检索

6)问答系统

7)对话系统

第一天下午

NLP入门与基础介绍（二）

4.NLP的基础

1)分词

正〗向最大匹配算法

逆向最大匹配算法

双向最大匹配算法

基于N-gram语言模型的分⌒　词

基于HMM的分词方法

基于CRF的分词法▼法

2)文本基本处理

文本提取

正在表达▽式

本文统计

3)词性标注

基于最大熵的词性标注

基于统计最〗大概率输出词性

基于HMM词性标注

基于CRF的词性标注

4)命名实◣体识别

基于CRF的命名♂实体识别

5.案例

1)在线中文▲分词系统实战

2)命∴名实体识别接口开发

3)基▂于词性标注的关键词提取

第二天上午

关键词提取与文本分类

1.关键词提取概述

2.关键词提取算法々

1)TF-IDF

2)LSA/LSI算法

3)PLSA算法

4)LDA算法

3.文本分类算法

1)朴素贝叶斯

2)线性分类器

3)支持向量机

4)Bagging模型

5)Boosting模型

6)浅层♀神经网络

4.案例

1)新闻主题提取

2)新闻〗分类实战

第二天下午

文本向量化与句法分析

1.文本△向量化概述

2.文本向量化常用算∮法

1)词袋算法

2)HashTF算法

3)Word2Vec算法

4)Glove算法

3.句法分析概述

4.句法分析常用算◎法

1)PCFG算法

2)条件随机场算法

5.案例

1)文本情感分析的开发示◢例

2)基于依存句法分词的问句相似＠度计算

第三天╳上午

NLP与深度学习（一）

1.深度学◥习概述

1)神经网络

2)损失函数

3)梯度下降

2.深度学习常用算法

1)CNN

2)RNN

3)GRU

4)LSTM

第三天下午

NLP与深度学习（二）

3.Tensorflow框架学习

1)Tensorflow简介

2)Tensorflow安装

3)Tensorflow基础使用

图(graphs)

会话(session)

张量(tensor)

变量(Variable)

4)Tensorflow线性回◣归以及分类的简单使用

5)Tensorflow中各种优化器的介绍

4.案例

1)基于CNN的文本分类

2)基于RNN的歌词生成

3)基于LSTM的机器翻←译

4)基于Seq2Seq的问答系统