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
ویرایش: نویسندگان: Farzindar. Atefeh, Inkpen. Diana سری: Synthesis lectures on human language technologies #30 ISBN (شابک) : 1627053883, 1627053891 ناشر: Morgan & Claypool Publishers سال نشر: 2015 تعداد صفحات: 168 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 3 مگابایت
در صورت ایرانی بودن نویسنده امکان دانلود وجود ندارد و مبلغ عودت داده خواهد شد
در صورت تبدیل فایل کتاب Natural language processing for social media 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 پردازش زبان طبیعی برای رسانه های اجتماعی 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.
این کتاب آخرین هنر را در تحقیقات و مطالعات تجربی در زمینه
پردازش زبان طبیعی (NLP) برای تحلیل معنایی دادههای رسانههای
اجتماعی ارائه میکند. در طول چند سال گذشته، سایتهای شبکههای
اجتماعی آنلاین شیوه ارتباط ما با افراد، گروهها و جوامع را
متحول کرده و شیوههای روزمره را تغییر دادهاند. حجم و تنوع
بیسابقه محتوای تولید شده توسط کاربر و شبکه تعامل با کاربر،
فرصتهای جدیدی را برای درک رفتار اجتماعی و ایجاد سیستمهای
هوشمند اجتماعی ایجاد میکند.
بسیاری از کارهای تحقیقاتی در مورد شبکههای اجتماعی و استخراج وب
اجتماعی مبتنی بر این است. نظریه گراف این مناسب است زیرا یک
ساختار اجتماعی از مجموعه ای از کنشگران اجتماعی و مجموعه ای از
پیوندهای دوتایی بین این بازیگران تشکیل شده است. ما معتقدیم که
روشهای استخراج نمودار برای ساختار، انتشار اطلاعات یا نفوذ در
شبکههای اجتماعی باید با تحلیل محتوای رسانههای اجتماعی ترکیب
شوند. این فرصت را برای برنامه های کاربردی جدید فراهم می کند که
از اطلاعات در دسترس عموم در نتیجه تعاملات اجتماعی استفاده می
کنند.
مخاطب مورد نظر این کتاب محققانی هستند که علاقه مند به توسعه
ابزارها و برنامه های کاربردی برای تجزیه و تحلیل خودکار متون
رسانه های اجتماعی هستند. ما فرض می کنیم که خوانندگان دانش پایه
در زمینه پردازش زبان طبیعی و یادگیری ماشینی دارند. این کتاب به
خوانندگان کمک می کند تا زبان شناسی محاسباتی و تجزیه و تحلیل
رسانه های اجتماعی، به ویژه تکنیک های متن کاوی و کاربردهای NLP
(مانند خلاصه سازی، تشخیص بومی سازی، تجزیه و تحلیل احساسات و
احساسات، تشخیص موضوع و ترجمه ماشینی) را که به طور خاص برای متون
رسانه های اجتماعی طراحی شده اند، بهتر درک کنند.
This book presents the state-of-the-art in research and
empirical studies in the field of Natural Language Processing
(NLP) for the semantic analysis of social media data. Over the
past few years, online social networking sites have
revolutionized the way we communicate with individuals, groups
and communities, and altered everyday practices. The
unprecedented volume and variety of user-generated content and
the user interaction network constitute new opportunities for
understanding social behavior and building socially intelligent
systems.
Much research work on social networks and the mining of the
social web is based on graph theory. That is apt because a
social structure is made up of a set of social actors and a set
of the dyadic ties between these actors. We believe that the
graph-mining methods for structure, information diffusion or
influence spread in social networks needs to combined with the
content analysis of social media. This provides the opportunity
for new applications that use the information publicly
available as a result of social interactions.
The intended audience of this book is researchers who are
interested in developing tools and applications for automatic
analysis of social media texts. We assume that the readers have
basic knowledge in the area of natural language processing and
machine learning. This book will help the readers better
understand computational linguistics and social media analysis,
in particular text-mining techniques and NLP applications (such
as summarization, localization detection, sentiment and emotion
analysis, topic detection and machine translation) designed
specifically for social media texts
1. Introduction to social media analysis --
1.1 Introduction --
1.2 Social media applications --
1.2.1 Cross-language document analysis in social media data --
1.2.2 Real-world applications --
1.3 Challenges in social media data --
1.4 Semantic analysis of social media --
1.5 Summary --
2. Linguistic pre-processing of social media texts --
2.1 Introduction --
2.2 Generic adaptation techniques for NLP tools --
2.2.1 Text normalization --
2.2.2 Re-training NLP tools for social media texts --
2.3 Tokenizers --
2.4 Part-of-speech taggers --
2.5 Chunkers and parsers --
2.6 Named entity recognizers --
2.7 Existing NLP toolkits for English and their adaptation --
2.8 Multi-linguality and adaptation to social media texts --
2.8.1 Language identification --
2.8.2 Dialect identification --
2.9 Summary --
3. Semantic analysis of social media texts --
3.1 Introduction --
3.2 Geo-location detection --
3.2.1 Readily available geo-location information --
3.2.2 Geo-location based on network infrastructure --
3.2.3 Geo-location based on the social network structure --
3.2.4 Content-based location detection --
3.2.5 Evaluation measures for geo-location detection --
3.3 Entity linking and disambiguation --
3.3.1 Evaluation measures for entity linking --
3.4 Opinion mining and emotion analysis --
3.4.1 Sentiment analysis --
3.4.2 Emotion analysis --
3.4.3 Sarcasm detection --
3.4.4 Evaluation measures for opinion and emotion classification --
3.5 Event and topic detection --
3.5.1 Specified versus unspecified event detection --
3.5.2 New versus retrospective events --
3.5.3 Emergency situation awareness --
3.5.4 Evaluation measures for event detection --
3.6 Automatic summarization --
3.6.1 Update summarization --
3.6.2 Network activity summarization --
3.6.3 Event summarization --
3.6.4 Opinion summarization --
3.6.5 Evaluation measures for summarization --
3.7 Machine translation --
3.7.1 Translating government agencies\' tweet feeds --
3.7.2 Hashtag occurrence, layout, and translation --
3.7.3 Machine translation for Arabic social media --
3.7.4 Evaluation measures for machine translation --
3.8 Summary --
4. Applications of social media text analysis --
4.1 Introduction --
4.2 Health care applications --
4.3 Financial applications --
4.4 Predicting voting intentions --
4.5 Media monitoring --
4.6 Security and defense applications --
4.7 Disaster response applications --
4.8 NLP-based user modeling --
4.9 Applications for entertainment --
4.10 NLP-based information visualization for social media --
4.11 Summary --
5. Data collection, annotation, and evaluation --
5.1 Introduction --
5.2 Discussion on data collection and annotation --
5.3 Spam and noise detection --
5.4 Privacy and democracy in social media --
5.5 Evaluation benchmarks --
5.6 Summary --
6. Conclusion and perspectives --
6.1 Conclusion --
6.2 Perspectives --
A. TRANSLI: a case study for social media analytics and monitoring --
A1. TRANSLI architecture --
A2. User interface --
Glossary --
Bibliography --
Authors\' biographies.