实战 NLP自然语言处理+知识图谱企业应用（HMMMEMM算法、深度学习、知识图谱、项目实战）

实战 NLP自然语言处理+知识图谱企业应用（HMMMEMM算法、深度学习、知识图谱、项目实战）
网盘地址：https://pan.baidu.com/s/1BTkp_FDqcPhn8umghs9lYw
提取码：uax7
备用地址（腾讯微云）：https://share.weiyun.com/59ysIaU 密码：bdzgmf

本课程从最基础的NLP自然语言处理理论和数学知识开始，再到NLP独有的HMM算法及与机器学习、深度学习的结合，最后再深入介绍与知识图谱的结合业务的企业实际应用，从理论到实践全方面讲解了自然语言与知识图谱的企业应用，具有一定的商业价值。



一、 自然语言处理相关概述
1.1 自然语言处理概念
1.2 自然语言处理发展历程与现状
1.3 自然语言处理目前业界发展状况

二、 自然语言处理与数学
2.1 隐马尔科夫模型 (HMM)
2.2 最大熵马尔科夫模型（MEMM）
2.3 条件随机场 (CRF)

三、自然语言处理与深度学习
3.1 CNN
3.2 RNN及其变种网络
3.3 lstm + crf模型架构介绍

四、自然语言处理基础技术说明
4.1 语料库与语言知识库
4.2 词法分析
4.2.1 中文分词
4.2.2 词性标注
4.2.3 命名体识别
4.2.4 同义词识别
4.2.5 汉字拼音转换
4.3 句法分析
4.3.1 完全句法分析
4.3.2 浅层句法分析
4.3.3 依存句法分析
4.3.4 歧义问题
4.3.5 其他句法概念详解
4.4 语义分析
4.4.1 词义消歧
4.4.2 共指消解
4.4.3 语义角色标注
4.4.4 语句边界消歧
4.4.5 深层语义分析
4.4.6 语义相似度计算
4.4.7 语义依存分析
4.4.8 依存句法分析和语义依存分析比较

五、语言模型
5.1 传统语言模型
5.2 神经序列模型
5.3 语言模型评估
v 六、知识图谱
6.1 知识图谱概述
6.2 知识建模
6.3 知识抽取
6.4 知识挖掘
6.5 知识融合
6.6 知识推理
6.7 知识存储
6.7.1 图数据库
6.8 语义搜索
6.9 知识图谱应用

七、项目
7.1 多标签文本分类
7.1.1 项目说明
7.1.2 实现思路
7.2 写诗机器人
7.2.1 项目说明
7.2.2 实现思路
7.2.4 总结
7.3 信息抽取
7.3.1 项目描述
7.3.2 子任务
7.3.3 技术架构