课程简介：

本课程基于Pytorch深度学习框架详细介绍了自然语言处理中情感分析的基本步骤。首先介绍了文本转换词向量的具体方法，并使用Dataset和DataLoader完成数据的读取和批量加载。最后利用Pytorch深度学习框架搭建基础的RNN模型实现情感分析的任务。最后在此基础上详细介绍了循环神经网络RNN的基本原理和网络结果。各位同学可以再次基础上搭建自己的循环神经网络模型，比如双向的长短时记忆神经网络BiLSITM和门控循环单元GRU等。

课程目录：

├──1 Word2Sequence的初始化函数.mp4 31.70M
├──10 RNN模型的预测.mp4 20.75M
├──11 循环神经网络基本原理和模型改进.mp4 67.78M
├──2 语料库词频统计.mp4 26.61M
├──3 语料库词典到序列的转换.mp4 29.73M
├──4 IMDB数据介绍及读取.mp4 27.70M
├──5 使用DataSet读取IMDB数据集.mp4 22.58M
├──6 使用索引的方式读取加载.mp4 23.95M
├──7 使用DataLoader批量加载数据.mp4 22.35M
├──8 Pytorch搭建RNN情感分析模型.mp4 46.46M
├──9 RNN模型的训练.mp4 21.28M
└──课程资料.zip 80.24M