123,123,123

內(nèi)容簡(jiǎn)介

　　本書(shū)從文本數(shù)據(jù)具有的特點(diǎn)以及文本挖掘具有的價(jià)值和意義開(kāi)始，講解了文本數(shù)據(jù)的獲取和預(yù)處理的方法（包括中英文的文本預(yù)處理），給出了文本向量化表示方法。本書(shū)從統(tǒng)計(jì)機(jī)器學(xué)習(xí)方法和深度神經(jīng)網(wǎng)絡(luò)兩個(gè)角度，介紹了包括向量空間模型以及詞、句子和文檔級(jí)的分布式表示；針對(duì)文本分類(lèi)問(wèn)題，介紹了傳統(tǒng)文本分類(lèi)方法、深度神經(jīng)網(wǎng)絡(luò)分類(lèi)方法（多層感知機(jī)文本分類(lèi)、卷積神經(jīng)網(wǎng)絡(luò)文本分類(lèi)和循環(huán)神經(jīng)網(wǎng)絡(luò)文本分類(lèi)）和文本分類(lèi)的評(píng)價(jià)指標(biāo)；針對(duì)文本聚類(lèi)，包括文檔相似度度量方法，介紹了基于劃分、層次、密度的基礎(chǔ)性聚類(lèi)算法，以及譜聚類(lèi)等高級(jí)聚類(lèi)方法和文本聚類(lèi)的評(píng)價(jià)指標(biāo)；在理論學(xué)習(xí)的基礎(chǔ)上，介紹了文本主題的挖掘技術(shù)，包括潛在語(yǔ)義分析、非負(fù)矩陣分解、概率潛在語(yǔ)義分析和潛在狄利克雷分布等；最后從文本內(nèi)容、主題和基于時(shí)間信息三個(gè)方面介紹了文本數(shù)據(jù)可視化的方法與工具。本書(shū)不僅對(duì)文本挖掘的相關(guān)理論模型進(jìn)行了詳細(xì)的推理和全面介紹，而且在每個(gè)算法模型之后都會(huì)給出實(shí)例，在理論與實(shí)踐之間做了很好的平衡與銜接。

作者簡(jiǎn)介

　　劉金花，1987年生，碩士，山西醫(yī)科大學(xué)汾陽(yáng)學(xué)院講師。主要研究方向?yàn)闄C(jī)器學(xué)習(xí)、數(shù)據(jù)挖掘。

圖書(shū)目錄

1 概述
1.1 文本數(shù)據(jù)
1.2 文本挖掘與分析
1.3 小結(jié)
2 數(shù)據(jù)獲取及預(yù)處理
2.1 數(shù)據(jù)獲取
2.2 數(shù)據(jù)清洗
2.3 數(shù)據(jù)預(yù)處理
2.4 N元語(yǔ)法模型
2.5 小結(jié)
3 文本向量化
3.1 向量空間模型
3.2 分布文本表示模型
3.3 句子向量化
3.4 文檔向量化
3.5 小結(jié)
4 文本分類(lèi)
4.1 文本分類(lèi)基礎(chǔ)
4.2 傳統(tǒng)文本分類(lèi)算法
4.3 深度神經(jīng)網(wǎng)絡(luò)方法
4.4 文本分類(lèi)評(píng)價(jià)
4.5 小結(jié)
5 文本聚類(lèi)
5.1 文本聚類(lèi)基礎(chǔ)
5.2 基于劃分的聚類(lèi)
5.3 基于層次的聚類(lèi)
5.4 基于密度的聚類(lèi)
5.5 譜聚類(lèi)
5.6 文本聚類(lèi)評(píng)價(jià)
5.7 小結(jié)
6 主題模型
6.1 潛在語(yǔ)義分析
6.2 非負(fù)矩陣分解(NMF)
6.3 概率潛在語(yǔ)義分析(PLSA)
6.4 潛在狄利克雷分布(LDA)
6.5 小結(jié)
7 文本數(shù)據(jù)可視化
7.1 文本內(nèi)容可視化
7.2 文本主題可視化
7.3 基于時(shí)間信息的數(shù)據(jù)可視化
7.4 小結(jié)
參考文獻(xiàn)