【2025版】这绝对是B站最好的自然语言处理教程，从入门到实战，通俗易懂，一套解决NLP自然语言处理所有问题！人工智能| 深度学习|NLP|自然语言处理
正在缓冲...
本课程系统讲解NLP核心技术，覆盖文本预处理、词向量、序列建模（RNN/Transformer）、预训练模型（BERT/GPT）等全流程。通过20+实战案例（情感分析、机器翻译、对话系统），结合PyTorch/TensorFlow框架逐行代码解析，助你掌握文本分类、实体识别、文本生成等工业级解决方案。适配零基础入门与进阶提升，配套数据集+代码库+调优指南，快速解锁NLP工程师核心技能，驾驭大模型时代技术浪潮。
视频选集
（1/95）
自动连播
【 NLP常用工具包】01.python字符串处理
11:57
【 NLP常用工具包】02.正则表达式基本语法
09:10
【 NLP常用工具包】03.正则常用符号
09:03
【 NLP常用工具包】04.常用函数介绍
09:52
【 NLP常用工具包】05.NLTK工具包简介
07:55
【 NLP常用工具包】06停用词过滤
07:12
【 NLP常用工具包】07.词性标注
08:22
【 NLP常用工具包】08.数据清洗实例
10:18
【 NLP常用工具包】09.Spacy工具包
09:56
【 NLP常用工具包】10.名字实体匹配
06:57
【 NLP常用工具包】11.恐怖袭击分析
11:08
【 NLP常用工具包】12.统计分析结果
07:58
【 NLP常用工具包】13.结巴分词器
08:43
【 NLP常用工具包】14.词云展示
08:38
【可视化与文本分析】01.在线商城商品数据信息概述
09:45
【可视化与文本分析】02.商品类别划分方式
10:11
【可视化与文本分析】03.商品类别可视化展示
11:21
【可视化与文本分析】04.商品描述长度对价格的影响分析
08:21
【可视化与文本分析】05.关键词的词云可视化展示
11:03
【可视化与文本分析】06.基于tf-idf提取关键词信息
09:49
【可视化与文本分析】07.通过降维进行可视化展示
08:31
【可视化与文本分析】08.聚类分析与主题模型展示
08:31
【贝叶斯算法】01.贝叶斯算法概述
06:59
【贝叶斯算法】02.贝叶斯推导实例
07:38
【贝叶斯算法】03.贝叶斯拼写纠错实例
11:47
【贝叶斯算法】04.垃圾邮件过滤实例
14:10
【贝叶斯算法】05.贝叶斯实现拼写检查器_
12:21
【分类任务实战】01.文本分析与关键词提取
12:12
【分类任务实战】02.相似度计算
11:44
【分类任务实战】03.新闻数据与任务简介
10:20
【分类任务实战】04.TF-IDF关键词提取
13:29
【分类任务实战】05.LDA建模
09:10
【分类任务实战】06.基于贝叶斯算法进行新闻分类
14:54
【隐马尔科夫模型】01.马尔科夫模型
07:23
【隐马尔科夫模型】02.隐马尔科夫模型基本出发点
07:34
【隐马尔科夫模型】03.组成与要解决的问题
05:38
【隐马尔科夫模型】04.暴力求解方法
09:04
【隐马尔科夫模型】05.复杂度计算
05:43
【隐马尔科夫模型】06.前向算法
13:27
【隐马尔科夫模型】07.前向算法求解实例
13:08
【隐马尔科夫模型】08.Baum-Welch算法
09:29
【隐马尔科夫模型】09.参数求解
06:29
【隐马尔科夫模型】10.维特比算法
15:44
【HMM工具包实战】01.hmmlearn工具包
06:50
【HMM工具包实战】02.工具包使用方法
08:21
【HMM工具包实战】03.中文分词任务_
05:23
【HMM工具包实战】04.实现中文分词
10:45
【语言模型】01.语言模型
06:16
【语言模型】02.N-gram模型
08:33
【语言模型】03.词向量
09:28
【语言模型】04神经网络模型
10:03
【语言模型】05.Hierarchical Softmax
10:02
【语言模型】06CBOW模型实例
11:21
【语言模型】07CBOW求解目标
05:40
【语言模型】08锑度上升求解
10:11
【语言模型】09.负采样模型
07:16
【分类任务】01.影评情感分类
17:49
【分类任务】02.基于词袋模型训练分类器
11:09
【分类任务】03.准备word2vec输入数据
10:47
【分类任务】04.使用gensim构建word2vec词向量（新）
15:51
【构建词向量】01.使用Gensim库构造词向量
06:22
【构建词向量】02.维基百科中文数据处理
10:27
【构建词向量】03.Gensim构造word2vec模型
08:52
【构建词向量】04.测试模型相似度结果
07:43
【文本特征对比】01.任务概述
10:52
【文本特征对比】02.词袋模型
06:35
【文本特征对比】03.词袋模型分析
12:00
【文本特征对比】04.TFIDF模型
08:05
【文本特征对比】05.word2vec词向量模型
08:30
【文本特征对比】06.深度学习模型
05:18
【相似度模型】02.数据展示
05:54
【相似度模型】03.正负样本制作
08:42
【相似度模型】04.数据预处理
07:49
【相似度模型】05.网络模型定义
11:25
【相似度模型】06.基于字符的训练
09:20
【相似度模型】07.基于句子的相似度训练
05:53
【 LSTM情感分析】01.RNN网络架构
12:22
【 LSTM情感分析】02.LSTM网络架构
12:01
【 LSTM情感分析】03.案例：使用LSTM进行情感分类
13:14
【 LSTM情感分析】04.情感数据集处理
13:07
【 LSTM情感分析】05.基于word2vec的LSTM模型
17:15
【 机器人写唐诗】01.任务概述与环境配置
04:19
【 机器人写唐诗】02.参数配置
11:18
【 机器人写唐诗】03.数据预处理模块
14:11
【 机器人写唐诗】04.batch数据制作
12:40
【 机器人写唐诗】05.RNN模型定义
08:53
【 机器人写唐诗】06.完成训练模块
12:46
【 机器人写唐诗】07.训练唐诗生成模型
04:36
【 机器人写唐诗】08.测试唐诗生成效果
09:32
【 对话机器人】01.效果演示
08:28
【 对话机器人】02.参数配置与数据加载
12:55
【 对话机器人】03.数据处理
08:53
【 对话机器人】04.词向量与投影
09:19
【 对话机器人】05.seq网络
08:24
【 对话机器人】06.网络训练
06:56
顶部