🧼 数据清洗·预处理 30章完整目录
🌟 友好 · 趣味进阶
1
文本数据基础 TXT/CSV/JSON
编码·Unicode·UTF-8 · Python字符串
2
正则表达式入门 re模块
元字符·转义·常用模式
3
文本清洗基础 去标签/URL
大小写·空白·特殊字符
4
分词技术 jieba实战
HMM·CRF·最大匹配
5
停用词处理 中英文表
自定义过滤·停用词作用
6
词干提取·词形还原 NLTK/spaCy
Porter·Lancaster·WordNet
7
词性标注 HMM·深度学习
原理·Python实践
8
命名实体识别 CRF/BiLSTM
人名·地名·机构·spaCy
9
文本标准化 缩写·拼写
数字日期·货币统一
10
数据增强 EDA·回译
同义词替换·随机插入
11
文本向量化基础 sklearn
One-hot·词袋·TF-IDF
12
词嵌入技术 Word2Vec/GloVe
CBOW·Skip-gram·FastText
13
上下文嵌入 ELMo/BERT/GPT
HuggingFace Transformers
14
句子·文档嵌入 Sentence-BERT
Doc2Vec·平均词向量
15
文本相似度计算 余弦·编辑距离
欧氏·Jaccard·Levenshtein
16
文本聚类 K-means/DBSCAN
层次聚类·轮廓系数
17
文本分类基础 SVM·朴素贝叶斯
逻辑回归·sklearn实战
18
深度学习文本分类 CNN/LSTM
Attention·PyTorch
19
序列标注 BiLSTM-CRF
CRF层·分词·词性·NER
20
情感分析 BERT实战
词典·机器学习·深度学习
21
文本摘要 TextRank/Seq2Seq
抽取式·生成式·HuggingFace
22
主题建模 LDA·NMF
pyLDAvis·主题可视化
23
关系抽取 远程监督·BERT
模板·远程监督·关系抽取
24
问答系统 检索·生成
TF-IDF·BM25·T5·BART
25
对话系统 意图识别·槽位
任务型·闲聊·检索/生成
26
数据不平衡处理 SMOTE/Focal Loss
欠采样·过采样·代价敏感
27
数据标注·质量控制 Label Studio
标注规范·Cohen's Kappa
28
数据隐私与安全 差分隐私·联邦学习
脱敏·GDPR合规
29
多语言NLP XLM-R·跨语言
MUSE·LASER·零样本迁移
30
项目实战·清洗全流程 最佳实践
采集·清洗·预处理·建模·评估
📘 ：  |