趋近智
自然语言处理基本原理
章节 1: 自然语言处理基本原理与高级文本处理
自然语言处理流程
高级分词方法
词干提取与词形还原比较
文本数据中的噪声处理
停用词高级定制
文本标准化方法
动手实践：构建预处理流程
章节 2: 文本特征工程
从词袋模型到TF-IDF
计算 TF-IDF 分数
使用N-gram来获取语境信息
特征哈希简介
文本特征的降维
比较不同的文本表示方法
动手实践：生成文本特征
章节 3: 监督学习在文本分类中的应用
分类算法回顾
将分类器应用于文本数据
分类模型评估指标
交叉验证策略
文本模型的超参数调优
处理不平衡数据集
实践：构建文本分类器
章节 4: 嵌入表示与序列数据理解
基于频率的模型的局限性
分布式语义学简介
词嵌入基本原理
Word2Vec：CBOW 与 Skip-gram 模型结构
GloVe：词语的全局向量表示
词嵌入的可视化
使用预训练词嵌入模型
动手实践：使用词嵌入
章节 5: 自然语言处理中的序列模型介绍
序列感知的必要性
循环神经网络（RNN）基础
理解梯度消失问题
长短期记忆（LSTM）网络
门控循环单元 (GRUs)
将序列模型应用于文本
动手实践：构建一个简单的序列模型
特征哈希简介
这部分内容有帮助吗？
- Feature Hashing for Large Scale Multitask Learning, Kilian Weinberger, Anirban Dasgupta, John Langford, Alex Smola, Josh Attenberg, 2009 Proceedings of the 26th International Conference on Machine Learning (ICML) (Proceedings of Machine Learning Research (PMLR)) DOI: 10.48550/arXiv.0902.2206 - 这篇开创性论文介绍了并推广了“哈希技巧”，用于机器学习中高效的特征表示，解决了高维数据的可伸缩性问题。
- Mining of Massive Datasets, Jure Leskovec, Anand Rajaraman, Jeff Ullman, 2014 (Cambridge University Press) - 一本关于大规模数据分析技术的综合教科书，其中包含了基于哈希的降维方法讨论，为特征哈希提供了更广阔的背景。
- sklearn.feature_extraction.FeatureHasher, scikit-learn developers, 2023 - scikit-learn中特征哈希实现的官方文档，提供了实际使用细节、参数说明以及具体的应用示例。