新書推薦：
《
天象之维：汉画像中的天文与人文
》
售價：NT$
490.0
《
妓女与文人
》
售價：NT$
179.0
《
舵手证券图书 短线交易大师：工具和策略 24年新修订版 实战验证的交易技术 经典外版书
》
售價：NT$
437.0
《
中国古兵器集成
》
售價：NT$
3808.0
《
空腹力+轻断食：正在横扫全球的瘦身革命（全2册）
》
售價：NT$
577.0
《
临床牙周病学和口腔种植学 第7版
》
售價：NT$
7269.0
《
粤港澳大湾区文化产业圈论纲
》
售價：NT$
717.0
《
粤港澳大湾区蓝皮书：粤港澳大湾区建设报告（2023）
》
售價：NT$
1053.0
|
| 編輯推薦： |
|
本书系统地介绍文本数据挖掘的相关概念，利用Python作为工具进行相关试验，通俗易懂，实用性强。适合于做教材。
|
| 內容簡介： |
|
教材系统地介绍文本数据挖掘的相关概念，利用Python作为工具进行相关试验，其内容主要包括：文本挖掘产生的背景及发展；文本挖掘的概念、文本模型表示、文本内容的预处理，包括分词、去停用词以及特征抽取；文本相似度的概念等。介绍文本分类的概念及常用方法，如KNN算法、SVM算法等，并对分类结果进行评价；在介绍文本聚类聚类的概念时是，同样介绍聚类常用算法，如K均值算法、层次聚类法、密度聚类法等，作为有文本分类、文本聚类的应用，*后给出了信息抽取、社会网络中的实体关系抽取和事件抽取。
|
| 關於作者： |
|
刘金岭，教授，硕士生导师。至2007年以来进行文本数据挖掘的研究，在专业核心期刊发表相关论文30多篇，EI检索4篇，SCCSI检索3篇。在2010-2013年与江苏移动公司合作进行垃圾短信处理研究，2009-2011完成市级科研课题基于语义的垃圾短信分类器设计与实现（HAG09061）。
|
| 目錄：
|
第1章绪论
1.1文本挖掘的研究背景及意义
1.2文本挖掘的国内外研究现状
1.3文本挖掘概述
1.3.1文本挖掘的概念
1.3.2文本挖掘的任务
1.3.3文本挖掘与数据挖掘的联系与区别
1.4文本挖掘的过程
1.5文本挖掘的主要研究领域
1.5.1文本特征选择
1.5.2文本结构分析
1.5.3文本摘要
1.5.4文本分类
1.5.5文本聚类
1.5.6文本关联分析
1.5.7分布分析与趋势预测
1.6文本挖掘在制药行业的应用案例
习题1
第2章文本切分及特征词选择
2.1文本数据采集
2.1.1软件接口对接方式
2.1.2开放数据库方式
2.1.3基于底层数据交换的数据直接采集方式
2.1.4网络爬虫采集网页数据
2.2语料库与词典简介
2.2.1语料库
2.2.2词典
2.3文本切分
2.3.1句子切分
2.3.2词汇切分
2.4文本特征词选择
2.4.1文本特征词选择概述
2.4.2常用的文本特征词选择方法
2.5Python jieba分词模块及其用法
2.5.1jieba方法
2.5.2基于规则的中文分词
2.5.3关键词提取
习题2
第3章文本表示模型
3.1文本预处理
3.1.1原始数据处理
3.1.2文本预处理简述
3.2向量空间模型
3.2.1向量空间模型的概念
3.2.2文本向量的相似度
3.2.3向量模型的Python实现
3.3概率模型
3.3.1概率模型概述
3.3.2概率建模方法
3.3.3文本信息检索中的概率模型
3.3.4概率模型的Python实现
3.4概率主题模型
3.4.1概率主题模型概述
3.4.2PLSA概率主题模型
3.4.3LDA概率主题模型
3.4.4LDA概率主题模型的Python实现
习题3
第4章文本分类
4.1文本分类概述
4.1.1研究的意义
4.1.2国内外研究现状与发展趋势
4.1.3文本分类的定义
4.1.4文本分类流程
4.1.5文本分类预处理
4.2常用文本分类器
4.2.1KNN分类器
4.2.2SVM分类器
4.2.3Rocchio分类器
4.2.4朴素贝叶斯分类器
4.2.5决策树分类器
4.3分类模型的性能评估
4.3.1分类评价方法
4.3.2分类性能评价指标
习题4
第5章文本聚类
5.1文本聚类概述
5.1.1研究的意义
5.1.2国内外研究现状与发展趋势
5.1.3文本聚类的定义
5.1.4文本聚类流程
5.1.5对聚类算法的性能要求
5.2文本聚类原理与方法
5.2.1基于划分的方法
5.2.2基于层次的方法
5.2.3基于密度的方法
5.2.4基于网格的方法
5.2.5基于模型的方法
5.3文本聚类评估
5.3.1估计聚类趋势
5.3.2确定簇数
5.3.3测定聚类质量
习题5
第6章文本关联分析
6.1关联规则挖掘概述
6.2文本关联规则
6.2.1关联规则的基本概念
6.2.2关联规则分类
6.3关联规则挖掘算法
6.3.1Apriori算法
6.3.2FPGrowth算法
习题6
第7章利用Python处理文本数据简单应用
7.1情感分析
7.1.1情感分析原理
7.1.2算法设计
7.1.3算法实现
7.2自动生成关键词和摘要
7.2.1TextRank算法
7.2.2生成关键词和摘要
7.3使用SnowNLP进行商品评价
7.3.1SnowNLP库简介
7.3.2SnowNLP商品评价
7.4生成词云
7.4.1词云的概念
7.4.2Python词云图的生成
习题7
参考文献
|
| 內容試閱：
|
随着互联网和移动通信技术的快速发展和普及应用，文本挖掘技术备受关注，尤其随着云计算、大数据和深度学习等一系列新技术的广泛使用，文本挖掘技术已经在众多领域（如舆情分析、医疗和金融数据分析等）发挥了重要作用，具有广阔的应用前景。
目前许多教材都是针对英文文本挖掘编写的，笔者将研究对象锁定在中文文本处理，系统讲述了中文文本理解的基本理论，列举研究成果，使之更加适合作为中文文本理解的工具书。本书的参考文献给出了许多中文信息处理的资源，读者可以由此找到所需的中文语料和工具集。
本书以中文文本数据为处理对象，对文本挖掘中的若干经典算法进行了阐述，主要包括分词、特征提取、文本表示、文本分类、文本聚类和文本关联规则。作为应用，第7章利用Python给出了处理文本数据的几个简单案例。
Python在数据挖掘和数据分析方面有着强大的功能，尤其是含有许多调用库，基本上已经达到了
应有尽有的程度。例如，NumPy（Numeric Python）提供了许多高级的数值编程工具，如
矩阵数据类型、矢量处理，以及精密的运算库，这些是Python的一种开源的数值计算扩展。
此外，还有基于Python的机器学习模块sklearn（ScikitLearn）等，所以Python用起来非常方便。在中文文本处理方面Python提供了比较成熟的jieba中文词库，以及用Python编写的类库SnowNLP，可以方便地处理中文文本内容。
本书的Python实验是利用Python 3.6（64位）完成的。
本书配套资源丰富，包括教学大纲、教学课件、电子教案、习题答案、实验指导和教学进度表，扫描封底的课件下载二维码，在公众号书圈下载； 本书还提供程序源码，扫描目录上方的二维码下载。
本书的编写得到了蔡博、郭倩倩和王红老师的大力帮助，
在此一并向他们表示衷心的感谢！
由于笔者知识水平有限，如有欠妥之处，敬请批评、指正。
刘金岭钱升华2020年8月
|
|
購物車/收銀台(
0
) | 在線留言板
| 付款方式
| 聯絡我們
| 運費計算
| 幫助中心 |
加入書簽
HOME
新書上架
