自然语言处理及文本处理核心技术

目录

• 097 _ LDA模型的前世今生
• 098 _ LDA变种模型知多少
• 099 _ 针对大规模数据，如何优化LDA算法？
• 100 _ 基础文本分析模型之一：隐语义分析
• 101 _ 基础文本分析模型之二：概率隐语义分析
• 102 _ 基础文本分析模型之三：EM算法
• 103 _ 为什么需要Word2Vec算法？
• 104 _ Word2Vec算法有哪些扩展模型？
• 105 _ Word2Vec算法有哪些应用？
• 106 _ 序列建模的深度学习利器：RNN基础架构
• 107 _ 基于门机制的RNN架构：LSTM与GRU
• 108 _ RNN在自然语言处理中有哪些应用场景？
• 109 _ 对话系统之经典的对话模型
• 110 _ 任务型对话系统有哪些技术要点？
• 111 _ 聊天机器人有哪些核心技术要点？
• 112 _ 什么是文档情感分类？
• 113 _ 如何来提取情感“实体”和“方面”呢？
• 114 _ 文本情感分析中如何做意见总结和搜索？
• 复盘 3 _ 自然语言处理及文本处理核心技术模块