所属分类：AI大模型与智能应用 当前为单品课程，可返回上一级继续浏览同方向资料。
← 返回上一级
← 返回所属目录 咨询 / 购买

NLP文本分类与意图识别

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 核心概念 · 整体框架
课程导入学习目标
02
文本分类与意图识别基础
定义 · 区别 · 常见任务类型（情感分析
文本分类意图识别基础
03
文本预处理技术
分词 · 去停用词 · 词干提取
文本预处理技术分词
04
文本表示方法（一）
词袋模型（Bag of Words） · TF-IDF · N-gram
文本表示方法Bag
05
文本表示方法（二）
词嵌入（Word2Vec · GloVe · FastText）
文本表示方法Word2Vec
06
传统机器学习分类器
朴素贝叶斯 · 逻辑回归 · 支持向量机（SVM）
传统机器学习分类…朴素贝叶斯
07
深度学习基础
神经网络 · 激活函数 · 损失函数
深度学习基础神经网络
08
循环神经网络（RNN）与变体
LSTM · GRU在文本分类中的应用 · 序列建模与梯度消失问题
RNN循环神经网络
09
卷积神经网络（CNN）用于文本分类
TextCNN原理 · 池化操作 · 多通道卷积与实现细节
CNN卷积神经网络
10
注意力机制与Transformer
自注意力 · 多头注意力 · 位置编码
Transformer注意力机制
11
预训练语言模型（一）
BERT原理 · 预训练任务（MLM · NSP）
预训练语言模型BERT
12
预训练语言模型（二）
RoBERTa · ALBERT · DistilBERT
预训练语言模型RoBERTa
13
意图识别专项
意图定义 · 槽位填充（Slot Filling） · 意图分类与对话系统（Task-Ori…
意图识别专项意图定义
14
意图识别数据集与评测
ATIS · SNIPS · NLU-Evaluation等数据集
意图识别数据集评测
15
基于BERT的意图识别实战
使用HuggingFace Tran… · 包括数据准备 · 训练
BERT基于
16
多标签文本分类
问题定义 · 损失函数（Binary Cross-… · 阈值选择
多标签文本分类问题定义
17
多类别文本分类与层次分类
类别不平衡处理（过采样 · 欠采样 · Focal Loss）
多类别文本分类层次分类
18
文本分类中的类别不平衡问题
重采样 · 代价敏感学习 · 集成方法
文本分类类别不平衡问题
19
数据增强与半监督学习
同义词替换 · 随机插入 · 回译
数据增强半监督学习
20
模型部署与优化
模型压缩（剪枝 · 量化 · 蒸馏）
模型部署优化
21
文本分类与意图识别的工程实践
项目流程 · 数据标注规范 · 模型选型
文本分类意图识别的工程实…
22
少样本与零样本学习
小样本场景下的迁移学习 · Prompt-based方法（PET · P-tuning）
少样本零样本学习
23
主动学习与弱监督
主动学习策略（不确定性采样 · 多样性采样） · 弱监督（规则
主动学习弱监督
24
多语言与跨语言文本分类
多语言预训练模型（mBERT · XLM-R） · 跨语言迁移
多语言跨语言文本分类
25
长文本分类
长文档处理策略（截断 · 分段 · 层次注意力
长文本分类长文档处理策略
26
实时意图识别与流式处理
在线学习 · 增量更新 · 流式数据管道（Kafka
实时意图识别流式处理
27
常见问题与调试技巧
过拟合 · 欠拟合 · 数据泄漏
常见问题调试技巧
28
综合实战项目（一）
构建一个中文新闻分类系统 · 从数据采集 · 清洗
综合实战项目构建一个
29
综合实战项目（二）
构建一个客服对话意图识别系统 · 包含多轮对话 · 槽位填充
综合实战项目构建一个客服对话…
30
课程总结与进阶方向
知识回顾 · 前沿趋势（大语言模型 ·
课程总结进阶方向