دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: برنامه نويسي ویرایش: نویسندگان: Ashish Kumar. Avinash Paul سری: ISBN (شابک) : 9781783551811 ناشر: Packt Publishing سال نشر: 2016 تعداد صفحات: 259 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 8 مگابایت
در صورت تبدیل فایل کتاب Mastering Text Mining with R به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تسلط بر متن کاوی با R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
متن کاوی (یا داده کاوی متن یا تجزیه و تحلیل متن) فرآیند استخراج اطلاعات مفید و با کیفیت از متن با ابداع الگوها و روندها است. R یک اکوسیستم گسترده برای استخراج متن از طریق چارچوب ها و بسته های متعدد خود فراهم می کند. این کتاب با شروع با اطلاعات اولیه در مورد مفاهیم آماری مورد استفاده در متن کاوی، نحوه دسترسی، پاکسازی و پردازش متن با استفاده از زبان R را به شما آموزش میدهد و شما را با ابزارها و دانش مرتبط در مورد برچسبگذاری، تکهشدن و مستلزم مختلف مجهز میکند. رویکردها و کاربرد آنها در پردازش زبان طبیعی در ادامه، این کتاب تکنیکهای کاهش ابعاد مختلف و پیادهسازی آنها را در R به شما آموزش میدهد. در مرحله بعد، تشخیص الگو در دادههای متنی را با استفاده از مکانیسمهای طبقهبندی پوشش میدهیم، شناسایی موجودیت را انجام میدهیم، و چارچوب یادگیری هستیشناسی را توسعه میدهیم. در پایان کتاب، شما یک کاربرد عملی از مفاهیم آموخته شده ایجاد خواهید کرد و خواهید فهمید که چگونه می توان از متن کاوی برای تجزیه و تحلیل داده های انبوه موجود در رسانه های اجتماعی استفاده کرد.
Text Mining (or text data mining or text analytics) is the process of extracting useful and high-quality information from text by devising patterns and trends. R provides an extensive ecosystem to mine text through its many frameworks and packages. Starting with basic information about the statistics concepts used in text mining, this book will teach you how to access, cleanse, and process text using the R language and will equip you with the tools and the associated knowledge about different tagging, chunking, and entailment approaches and their usage in natural language processing. Moving on, this book will teach you different dimensionality reduction techniques and their implementation in R. Next, we will cover pattern recognition in text data utilizing classification mechanisms, perform entity recognition, and develop an ontology learning framework. By the end of the book, you will develop a practical application from the concepts learned, and will understand how text mining can be leveraged to analyze the massively available data on social media.
1: Statistical Linguistics with R 2: Processing Text 3: Categorizing and Tagging Text 4: Dimensionality Reduction 5: Text Summarization and Clustering 6: Text Classification 7: Entity Recognition