课程介绍

注意0：欲购买此课程，获取安全购买链接，索要正版授权学习平台账号，务必加咨询QQ：2536379620
注意1：由于编码原因，试听课程视频画面清晰度不如最终购买的视频。最终购买视频的画面清晰度可参见以下两张图。图1   图2
注意2：正版良心视频，购买后有机会和原作者直接短暂技术交流。

本课程介绍的是属性级情感分析模型，相较于传统的对整个句子的好评或差评的情感分类，本项目先提取评价对象实体，再标注情感分类，将评价对象区分评判，在实际业务中更具有工程意义，该模型常用于电商平台评论分析场景。

适合人群

有 Python 基础、熟悉 Pytorch、了解 NLP 常见算法的同学。

课程大纲

章节1:项目及模型介绍
课时1视频电商评论属性级情感分析项目11:08                     免费试听
课时2视频LCF-ATEPC模型结构详解11:36
章节2:数据处理
课时3视频数据预处理与异常值剔除(1)08:21
课时4视频数据预处理与异常值剔除(2)12:30
课时5视频【补】社区简介及transformers安装19:36
课时6视频【补】BertTokenizer分词和编码18:47
课时7视频自定义Dataset类和Bert分词15:35
课时8视频计算权重参数并批量加载数据(1)13:12
课时9视频计算权重参数并批量加载数据(2)14:56
章节3:模型定义和训练
课时10视频Bert_CRF 实体BIO标签预测12:19
课时11视频BertAttention 实体情感预测(1)08:55
课时12视频BertAttention 实体情感预测(2)07:10
课时13视频损失计算和模型训练06:45
课时14视频模型准确率等评估指标计算25:02
课时15视频免费Kaggle GPU资源模型训练过程15:10
章节4:测试和预测
课时16视频模型缓存文件下载和模型测试16:25
课时17视频模型预测和情感分析项目总结14:16
课时18文本项目源码