01
文本挖掘概述
什么是文本挖掘 · 应用场景（情感分析、主题建模、信息检索）· 挑战与未来趋势
入门全景
02
Python文本处理基础
字符串操作 · 正则表达式入门 · Python re模块详解
编程基础
03
文本预处理（上）
文本清洗（去除HTML标签、特殊字符）· 分词技术（Jieba、NLTK）
清洗分词
04
文本预处理（下）
停用词过滤 · 词干提取与词形还原 · 文本标准化
标准化过滤
05
文本表示方法（上）
词袋模型（BoW）· TF-IDF原理与实现
向量化TF-IDF
06
文本表示方法（下）
N-gram模型 · 词向量（Word2Vec、GloVe）入门
词嵌入语义
07
特征工程与降维
文本特征选择 · PCA · 潜在语义分析（LSA）
降维LSA
08
文本分类（上）
朴素贝叶斯分类器 · 逻辑回归在文本分类中的应用
分类贝叶斯
09
文本分类（下）
SVM · 深度学习模型（TextCNN、LSTM）简介
SVM深度学习
10
情感分析实战
基于情感词典 · 机器学习 · 深度学习情感分析
情感实战
11
主题建模（上）
LDA原理 · LDA的Python实现（Gensim）
LDAGensim
12
主题建模（下）
LDA调优 · 主题可视化（pyLDAvis）· NMF
可视化NMF
13
文本聚类
K-means · 层次聚类 · 轮廓系数评估
聚类无监督
14
信息提取（上）
命名实体识别（NER）基础 · 规则与模型NER
NER信息提取
15
信息提取（下）
关系抽取 · 事件抽取 · 使用SpaCy
关系SpaCy
16
文本摘要
抽取式（TextRank）· 生成式（Seq2Seq）简介
摘要TextRank
17
文本相似度计算
余弦相似度 · Jaccard · 编辑距离 · WMD
相似度距离
18
序列标注与词性标注
HMM · CRF · Stanford NLP工具
序列词性
19
深度学习进阶：Transformer & BERT
Transformer模型 · BERT原理与文本分类
BERTTransformer
20
Hugging Face微调
使用Transformers库进行微调
微调HF
21
文本数据可视化
词云 · 文本分布 · 主题河流图
可视化词云
22
工具与框架对比
Scikit-learn · Gensim · SpaCy · NLTK
工具对比
23
大规模文本数据处理
Pandas处理文本 · Dask与Spark简介
大数据Spark
24
项目实战（一）选题与数据
项目选题 · 数据收集（爬虫/API）· EDA
实战爬虫
25
项目实战（二）预处理流水线
数据清洗与预处理流水线搭建
流水线清洗
26
项目实战（三）特征与模型
特征工程 · 模型选择
特征选型
27
项目实战（四）训练与调优
模型训练 · 评估 · 调优
调优评估
28
项目实战（五）模型部署
Flask API · Streamlit应用
部署Flask
29
项目实战（六）文档与汇报
项目文档撰写 · 结果汇报
文档汇报
30
课程总结与展望
技术栈回顾 · 大语言模型 · 多模态文本挖掘
总结前沿