牛津大學xDeepMind 自然語言處理
牛津大學xDeepMind 自然語言處理
連結： https://study.163.com/course/courseMain.htm?courseId=1004336028
後記
歡迎大家加入“深度學習交流群”，群內會經常分享一些深度學習相關的資料。
相關推薦
牛津大學xDeepMind 自然語言處理
牛津大學xDeepMind 自然語言處理 連結： https://study.163.com/course/courseMain.htm?courseId=1004336028 後記
深度學習視訊，吳恩達，CS231n，斯坦福，計算機視覺，牛津大學，xDeepMind ，自然語言處理，莫煩，Tensorflow
1. 吳恩達 最新深度學習視訊 網易雲課堂 http://mooc.study.163.com/smartSpec/detail/1001319001.htm 《深度學習筆記v5.32》 pdf下載 連結:https://pan.baidu.com/s/1m8c7OdCJJZ2
斯坦福大學-自然語言處理與深度學習（CS224n） 筆記 第三課 詞向量（2）
一、word2vec 1、回顧：skip-grams word2vec的主要步驟是遍歷整個語料庫，利用每個視窗的中心詞來預測上下文的單詞，然後對每個這樣的視窗利用SGD來進行引數的更新。 對於每一個視窗而言，我們只有2m+1個單詞（其中m表示視窗的半徑），因此我們計算出來的梯度向量是
斯坦福大學-自然語言處理與深度學習（CS224n） 筆記 第二課 詞向量（word vector）
課程概要 1、單詞含義 2、word2vec介紹 3、word2vec目標函式的梯度推導 4、目標函式優化：梯度下降法 一、單詞含義 含義（meaning）指的是由單詞表達的觀點。我們一般使用單詞含義的方法是，使用像WordNet那樣的分類詞典，給每個單詞對應的上下義關係以及同義
斯坦福大學-自然語言處理入門 筆記 第二十一課 問答系統（2）
一、問答系統中的總結（summarization） 目標：產生一個摘要文字包含那些對使用者重要和相關的資訊 總結的應用領域：任何文件的摘要和大綱，郵件摘要等等 根據總結的內容，我們可以把總結分為兩類： 單文件總結：給出一個單一文件的摘要、大綱、標題
斯坦福大學-自然語言處理入門 筆記 第二十課 問答系統（question answering）
1、什麼是問答系統 問答系統是最早的NLP任務，根據問題的依存關係，找到適合的依存關係的回答。 在現代系統中問題被分為兩類 事實問題的回答一般都是一個簡單的片語或者是命名實體 兩種問答系統的正規化 基於資訊檢索的路徑：TREC; I
斯坦福大學-自然語言處理入門 筆記 第十九課 單詞含義與相似性
一、單詞含義與單詞關係 回顧：詞目（lemma）與單詞形式（wordform） 詞目：表示相同的詞根、詞性以及大致的語義 單詞形式：表示在文件中出現的具體單詞形式 一個詞目可能會含有很多含義（sense）。含義（sense）表示單
斯坦福大學-自然語言處理入門 筆記 第十八課 排序檢索介紹（ranked retrieval）
一、介紹 之前我們的請求都是布林型別。對於那些明確知道自己的需求並且瞭解集合體情況的使用者而言，布林型別的請求是很有效的。但是對於大部分的其他使用者而言，布林請求的問題是：大部分使用者不熟悉布林請求；布林請求比較複雜；布林請求的結果不是太多就是太少。排序檢索應運而生。 排序
斯坦福大學-自然語言處理入門 筆記 第十七課 資訊檢索（information retrieval）
一、介紹 資訊檢索（information retrieval）是從海量集合體（一般是儲存在計算機中的文字）中找到滿足資訊需求（information need）的材料（一般是文件） 資訊檢索的應用領域：網頁搜尋，郵件搜尋，電腦內部搜尋，法律資訊檢索等等 資訊檢索的基
斯坦福大學-自然語言處理入門 筆記 第十六課 依存句法分析（Dependency Parsing）
一、介紹 1、依存句法 依存句法假設：句法結構包含相互之間是雙邊不對稱關係的詞典（lexical）元素，這種不對稱的關係成為依存（dependency），在圖中的表現是單向箭頭。 箭頭通常還會打上這種語法關係的名字（主語，前置賓語等等） 箭頭一邊連線中心詞head
斯坦福大學-自然語言處理入門 筆記 第十五課 詞彙化（Lexicalization）的PCFGs
一、介紹 一個短語的中心詞（head word）可以很好地代表這個短語的結構和含義，在構建PCFG模型的時候，可以考慮將這部分資訊納入其中。如下圖所示加入單詞資訊可以幫助我們更好地選擇出合適的模型。 二、Charniak模型 Charniak模型是詞彙化P
斯坦福大學-自然語言處理入門 筆記 第十四課 CGSs和PCFGs
一、概率上下文無關文法（(Probabilistic) Context-Free Grammars） 1、上下文無關文法（Context-Free Grammars） 我們也可以稱之為片語結構語法(Phrase structure grammars) 由四個成分構成G=
斯坦福大學-自然語言處理入門 筆記 第十三課 統計語言句法分析（prasing）
課程來源：Introduction to NLP by Chris Manning & Dan jurafsky 關於專用名詞和概念：剛接觸NLP領域，所以有些專有名詞的翻譯和專有概念可能會存在一定的偏誤，隨著學習的深入，我會隨時更新改正。 一、關於句法結構的兩種看法
斯坦福大學-自然語言處理入門 筆記 第十二課 詞性標註（Part-of-speech tagging）
一、詞性（part-of-speech)介紹 詞性：名詞（Nouns)，動詞（Verbs)，形容詞（Adjectives）， 副詞（Adverbs)等等就是我們想要研究的詞性 我們可以把詞性分為開放類（open class）和閉合類（closed class）。
斯坦福大學-自然語言處理入門 筆記 第十一課 最大熵模型與判別模型（2）
一、最大熵模型 1、模型介紹 基本思想：我們希望資料是均勻分佈的，除非我們有其他的限制條件讓給我們相信資料不是均勻分佈的。均勻分佈代表高熵（high entropy）。所以，最大熵模型的基本思想就是我們要找的分佈是滿足我們限制條件下，同時熵最高的分佈。 熵：表示分佈的不
斯坦福大學-自然語言處理入門 筆記 第十課 關係抽取（relation extraction）
一、簡介 關係抽取就是從文件中抽取關係，例子如下： 為什麼進行關係抽取 建立新的關係型知識庫（knowledge bases） 增強目前的知識庫（knowledge bases） 支援問題回答（question answering）
斯坦福大學-自然語言處理入門 筆記 第九課 資訊抽取（information extraction）
一、介紹 1、資訊抽取（information extraction） 資訊抽取（IE）系統 找到並理解文字中的有限的相關性 從很多的文件之中收集資訊 產生一個相關資訊的結構化的表徵 目的： 進行資
斯坦福大學-自然語言處理入門 筆記 第八課 最大熵模型與判別模型
一、生成模型與判別模型 1、引言 到目前為止，我們使用的是生成模型（generative model)，但是在實際使用中我們也在大量使用判別模型（discriminative model)，主要是因為它有如下的優點： 準確性很高 更容易包含很多和
斯坦福大學-自然語言處理入門 筆記 第七課 情感分析（sentiment analysis）
一、情感分析簡述 情感分析（sentiment analysis），又叫意見抽取（opinion extraction），意見挖掘（opinion mining）,情感挖掘（sentiment mining）以及主觀分析（subjectivity analysis）。 情感分
斯坦福大學-自然語言處理入門 筆記 第六課 文字分類與樸素貝葉斯
一、文字分類任務概述 1、應用領域 歸類 垃圾郵件識別 作者識別 性別/年齡識別 等等 2、定義 輸入：一個文件d，一系列固定的型別C={c1,c2,…,cj} 輸出：預測類別c ∈ C 3、分類方法