Name: 精通 spaCy
Availability: InStock

Content

12 Lessons • 0 Quizzes • 0 Challenges

开始学习

1
课程介绍
2
概述：入门指南
3
自然语言处理与Python
4
Python 字符串操作
5
spaCy 库的高级概述
6
使用displaCy进行可视化
7
总结：入门指南
8
测验：入门
9
练习：入门
10
解决方案：入门指南

使用 spaCy 的核心操作

1
概述：使用 spaCy 的核心操作
2
spaCy 约定概述
3
介绍分词（Tokenization）
4
自定义分词器与句子分割
5
理解词形还原
6
spaCy 容器对象
7
更多 spaCy 功能
8
总结：使用 spaCy 的核心操作
9
测验：使用 spaCy 的核心操作
10
练习：使用 spaCy 进行核心操作
11
解决方案：使用 spaCy 进行核心操作

自定义 spaCy 模型

1
概述：自定义 spaCy 模型
2
数据预处理入门
3
更新现有的管道组件
4
从零开始训练一个流水线组件
5
总结
6
测验：自定义 spaCy 模型
7
练习：自定义 spaCy 模型
8
解决方案：自定义 spaCy 模型

语言特征

1
概述：语言学特征
2
词性标注
3
词性标注——续篇
4
依存句法分析简介
5
命名实体识别简介
6
合并与拆分 Token
7
总结：语言特征
8
测验：语言特征
9
练习：语言特征
10
解决方案：语言特征

使用 spaCy 进行文本分类

1
概述：使用 spaCy 进行文本分类
2
理解文本分类的基础知识
3
训练 spaCy 文本分类器
4
使用 spaCy 进行情感分析
5
使用 spaCy 和 Keras 进行文本分类
6
嵌入词语
7
使用SpaCy进行文本分类总结
8
测验：使用 spaCy 进行文本分类
9
练习：使用 spaCy 进行文本分类
10
解决方案：使用 spaCy 进行文本分类

基于规则的匹配

1
概述：基于规则的匹配
2
基于词元的匹配
3
语法支持与正则表达式
4
PhraseMatcher 和 EntityRuler
5
结合 spaCy 模型与匹配器
6
总结：基于规则的匹配
7
测验：基于规则的匹配
8
练习：基于规则的匹配
9
解决方案：基于规则的匹配

spaCy 和 Transformers

1
概述：spaCy 与 Transformers
2
Transformer与迁移学习
3
理解 BERT
4
Transformer 与 TensorFlow
5
使用 BERT 进行文本分类
6
使用 Transformer 管道
7
Transformers 与 spaCy
8
总结：spaCy 与 Transformers
9
测验：spaCy 和 Transformers
10
练习：spaCy 与 Transformers
11
解决方案：spaCy 和 Transformers

处理词向量与语义相似度

1
概述：词向量与语义相似度
2
理解词向量
3
使用 spaCy 的预训练向量
4
相似性方法
5
高级语义相似度方法
6
摘要：词向量与语义相似度
7
测验：词向量与语义相似度的应用
8
练习：词向量与语义相似度
9
解决方案：词向量与语义相似度

综合运用：使用 spaCy 设计一个聊天机器人

1
概述：使用 spaCy 设计聊天机器人
2
对话式人工智能简介
3
了解数据集
4
实体抽取
5
意图识别
6
使用字符级LSTM进行文本分类
7
区分主语与宾语
8
指代消解
9
总结：使用 spaCy 设计聊天机器人
10
测验：使用 spaCy 设计聊天机器人

综合运用：使用 spaCy 进行语义解析

1
概述：使用 spaCy 进行语义解析
2
提取命名实体
3
使用依赖树提取实体
4
使用依赖关系进行意图识别
5
语义解析中的语义相似性方法
6
综合应用
7
摘要：使用 spaCy 进行语义解析
8
测验：使用 spaCy 进行语义解析
9
练习：使用 spaCy 进行语义解析
10
解决方案：使用 spaCy 进行语义解析

附录

1
安装 spaCy
2
安装 spaCy 的统计模型
3
使用 displaCy 进行可视化
4
保存和加载自定义模型

结论

1
结论

Certificate of Completion

Showcase your accomplishment by sharing your certificate of completion.

Course Author:Anonymous User

精通 spaCy

WHAT YOU'LL LEARN

TAKEAWAY SKILLS

Content

1. 开始学习熟悉 spaCy 和 Python，以实现高效的自然语言处理。

课程介绍

概述：入门指南

自然语言处理与Python

Python 字符串操作

spaCy 库的高级概述

使用displaCy进行可视化

总结：入门指南

测验：入门

练习：入门

解决方案：入门指南

2. 使用 spaCy 的核心操作揭示 spaCy 的核心操作，包括分词、词形还原以及管道（pipeline）概念。

概述：使用 spaCy 的核心操作

spaCy 约定概述

介绍分词（Tokenization）

自定义分词器与句子分割

理解词形还原

spaCy 容器对象

更多 spaCy 功能

总结：使用 spaCy 的核心操作

测验：使用 spaCy 的核心操作

练习：使用 spaCy 进行核心操作

解决方案：使用 spaCy 进行核心操作

3. 自定义 spaCy 模型通过数据准备、标注和定制化组件训练，进一步优化和定制 spaCy 模型。

概述：自定义 spaCy 模型

数据预处理入门

更新现有的管道组件

从零开始训练一个流水线组件

总结

测验：自定义 spaCy 模型

练习：自定义 spaCy 模型

解决方案：自定义 spaCy 模型

4. 语言特征分解 spaCy 的语言学功能：词性标注、依存句法分析和命名实体识别。

概述：语言学特征

词性标注

词性标注——续篇

依存句法分析简介

命名实体识别简介

合并与拆分 Token

总结：语言特征

测验：语言特征

练习：语言特征

解决方案：语言特征

5. 使用 spaCy 进行文本分类学习如何使用 spaCy 和 Keras 进行高效的文本分类与情感分析。

概述：使用 spaCy 进行文本分类

理解文本分类的基础知识

训练 spaCy 文本分类器

使用 spaCy 进行情感分析

使用 spaCy 和 Keras 进行文本分类

嵌入词语

使用SpaCy进行文本分类总结

测验：使用 spaCy 进行文本分类

练习：使用 spaCy 进行文本分类

解决方案：使用 spaCy 进行文本分类

6. 基于规则的匹配使用 spaCy 的基于规则的匹配来识别实体，提升自然语言处理的准确性。

概述：基于规则的匹配

基于词元的匹配

语法支持与正则表达式

PhraseMatcher 和 EntityRuler

结合 spaCy 模型与匹配器

总结：基于规则的匹配

测验：基于规则的匹配

练习：基于规则的匹配

解决方案：基于规则的匹配

7. spaCy 和 Transformers开始将transformers和BERT集成到spaCy中，以构建高级的自然语言处理工具。

概述：spaCy 与 Transformers

Transformer与迁移学习

理解 BERT

Transformer 与 TensorFlow

使用 BERT 进行文本分类

使用 Transformer 管道

Transformers 与 spaCy

总结：spaCy 与 Transformers

测验：spaCy 和 Transformers

练习：spaCy 与 Transformers

解决方案：spaCy 和 Transformers