课程详情：http://www.xuetuwuyou.com/course/359
课程出自学途无忧网：http://www.xuetuwuyou.com
随着知识图谱在搜索领域的大获成功，以及知识图谱的推广如火如荼地进行中，现在的自然语言处理有明显和知识图谱结合的趋势。特别是在特定领域的客服系统构建中，这种趋势就更明显，因为这些系统往往要关联很多领域的知识，而这种知识的整合和表示，很适合用知识图谱来解决。
随着知识图谱基础工程技术的完善和进步，对于图谱构建的容易程度也大大提高，所以自然语言处理和知识图谱的结合就越来越成为趋势。本课程从最基础的NLP自然语言处理理论和数学知识开始，再到NLP独有的HMM算法及与机器学习、深度学习的结合，最后再深入介绍与知识图谱的结合业务的企业实际应用，从理论到实践全方面讲解了自然语言与知识图谱的企业应用，具有一定的商业价值。
课程大纲：
一、 自然语言处理相关概述
1.1 自然语言处理概念
1.2 自然语言处理发展历程与现状
1.3 自然语言处理目前业界发展状况
二、 自然语言处理与数学
2.1 隐马尔科夫模型 (HMM)
2.2 最大熵马尔科夫模型（MEMM）
2.3 条件随机场 (CRF)
三、自然语言处理与深度学习
3.1 CNN
3.2 RNN及其变种网络
3.3 lstm + crf模型架构介绍
四、自然语言处理基础技术说明
4.1 语料库与语言知识库
4.2 词法分析
4.2.1 中文分词
4.2.2 词性标注
4.2.3 命名体识别
4.2.4 同义词识别
4.2.5 汉字拼音转换
4.3 句法分析
4.3.1 完全句法分析
4.3.2 浅层句法分析
4.3.3 依存句法分析
4.3.4 歧义问题
4.3.5 其他句法概念详解
4.4 语义分析
4.4.1 词义消歧
4.4.2 共指消解
4.4.3 语义角色标注
4.4.4 语句边界消歧
4.4.5 深层语义分析
4.4.6 语义相似度计算
4.4.7 语义依存分析
4.4.8 依存句法分析和语义依存分析比较
五、语言模型
5.1 传统语言模型
5.2 神经序列模型
5.3 语言模型评估
v 六、知识图谱
6.1 知识图谱概述
6.2 知识建模
6.3 知识抽取
6.4 知识挖掘
6.5 知识融合
6.6 知识推理
6.7 知识存储
6.7.1 图数据库
6.8 语义搜索
6.9 知识图谱应用
七、项目
7.1 多标签文本分类
7.1.1 项目说明
7.1.2 实现思路
7.2 写诗机器人
7.2.1 项目说明
7.2.2 实现思路
7.2.4 总结
7.3 信息抽取
7.3.1 项目描述
7.3.2 子任务
7.3.3 技术架构
网友评论