課程詳情：http://www.xuetuwuyou.com/course/359
課程出自學(xué)途無憂網(wǎng)：http://www.xuetuwuyou.com
隨著知識圖譜在搜索領(lǐng)域的大獲成功，以及知識圖譜的推廣如火如荼地進行中普筹，現(xiàn)在的自然語言處理有明顯和知識圖譜結(jié)合的趨勢败明。特別是在特定領(lǐng)域的客服系統(tǒng)構(gòu)建中，這種趨勢就更明顯太防，因為這些系統(tǒng)往往要關(guān)聯(lián)很多領(lǐng)域的知識妻顶，而這種知識的整合和表示，很適合用知識圖譜來解決蜒车。
隨著知識圖譜基礎(chǔ)工程技術(shù)的完善和進步讳嘱，對于圖譜構(gòu)建的容易程度也大大提高，所以自然語言處理和知識圖譜的結(jié)合就越來越成為趨勢酿愧。本課程從最基礎(chǔ)的NLP自然語言處理理論和數(shù)學(xué)知識開始沥潭，再到NLP獨有的HMM算法及與機器學(xué)習(xí)、深度學(xué)習(xí)的結(jié)合嬉挡，最后再深入介紹與知識圖譜的結(jié)合業(yè)務(wù)的企業(yè)實際應(yīng)用钝鸽，從理論到實踐全方面講解了自然語言與知識圖譜的企業(yè)應(yīng)用汇恤，具有一定的商業(yè)價值。
課程大綱：
一拔恰、 自然語言處理相關(guān)概述
1.1 自然語言處理概念
1.2 自然語言處理發(fā)展歷程與現(xiàn)狀
1.3 自然語言處理目前業(yè)界發(fā)展?fàn)顩r
二因谎、 自然語言處理與數(shù)學(xué)
2.1 隱馬爾科夫模型 (HMM)
2.2 最大熵馬爾科夫模型（MEMM）
2.3 條件隨機場 (CRF)
三、自然語言處理與深度學(xué)習(xí)
3.1 CNN
3.2 RNN及其變種網(wǎng)絡(luò)
3.3 lstm + crf模型架構(gòu)介紹
四颜懊、自然語言處理基礎(chǔ)技術(shù)說明
4.1 語料庫與語言知識庫
4.2 詞法分析
4.2.1 中文分詞
4.2.2 詞性標(biāo)注
4.2.3 命名體識別
4.2.4 同義詞識別
4.2.5 漢字拼音轉(zhuǎn)換
4.3 句法分析
4.3.1 完全句法分析
4.3.2 淺層句法分析
4.3.3 依存句法分析
4.3.4 歧義問題
4.3.5 其他句法概念詳解
4.4 語義分析
4.4.1 詞義消歧
4.4.2 共指消解
4.4.3 語義角色標(biāo)注
4.4.4 語句邊界消歧
4.4.5 深層語義分析
4.4.6 語義相似度計算
4.4.7 語義依存分析
4.4.8 依存句法分析和語義依存分析比較
五蓝角、語言模型
5.1 傳統(tǒng)語言模型
5.2 神經(jīng)序列模型
5.3 語言模型評估
v 六、知識圖譜
6.1 知識圖譜概述
6.2 知識建模
6.3 知識抽取
6.4 知識挖掘
6.5 知識融合
6.6 知識推理
6.7 知識存儲
6.7.1 圖數(shù)據(jù)庫
6.8 語義搜索
6.9 知識圖譜應(yīng)用
七饭冬、項目
7.1 多標(biāo)簽文本分類
7.1.1 項目說明
7.1.2 實現(xiàn)思路
7.2 寫詩機器人
7.2.1 項目說明
7.2.2 實現(xiàn)思路
7.2.4 總結(jié)
7.3 信息抽取
7.3.1 項目描述
7.3.2 子任務(wù)
7.3.3 技術(shù)架構(gòu)
