深度学习·文本分类与情感分析

📚 30章 · 从入门到实战 ⭐ 友好
第01章
什么是情感分析 文本分类挑战 项目预览
第02章
Anaconda PyTorch Transformers GPU验证
第03章
分词 去停用词 词干提取 词形还原
第04章
独热编码 词袋模型 TF-IDF Scikit-learn
第05章
CBOW Skip-gram Gensim训练
第06章
全局词向量 子词信息 OOV处理
第07章
感知机 激活函数 损失函数 反向传播
第08章
张量操作 自动求导 线性模型
第09章
RNN原理 时序数据 PyTorch分类器
第10章
长短期记忆 门控机制 LSTM情感分类
第11章
双向信息流 堆叠RNN 性能对比
第12章
TextCNN 卷积核设计 PyTorch实现
第13章
Seq2Seq注意力 加性注意力 乘性注意力
第14章
自注意力 多头注意力 位置编码
第15章
预训练任务 输入表示 Fine-tuning
第16章
加载预训练模型 Tokenizer Pipeline推理
第17章
IMDb数据集 Fine-tuning BERT 模型评估
第18章
模型改进点 训练效率 实战效果
第19章
自回归+自编码 判别式预训练
第20章
爬虫获取评论 数据清洗 标注策略
第21章
回译 随机替换 Mixup EDA
第22章
重采样 代价敏感学习 Focal Loss
第23章
学习率调度 梯度裁剪 早停 正则化
第24章
混淆矩阵 Precision/Recall/F1 超参数搜索
第25章
层次分类 阈值调整 评价指标
第26章
ABSA任务 属性提取 情感极性
第27章
多语言BERT 零样本迁移 翻译辅助
第28章
ONNX导出 TensorRT Flask API
第29章
数据→训练→部署 全流程
第30章
大模型时代 Few-shot Prompt Learning