Practical Text Analytics: Maximizing the Value of Text Data

این کتاب تجزیه و تحلیل متن را به عنوان روشی ارزشمند برای به دست آوردن بینش از داده های متنی معرفی می کند. برخلاف سایر انتشارات تجزیه و تحلیل متن، تجزیه و تحلیل عملی متن: به حداکثر رساندن ارزش داده های متنی مفاهیم فنی را برای کسانی که تجربه زیادی در این زمینه ندارند قابل دسترسی می کند. با استفاده از تجزیه و تحلیل متن، سازمان ها می توانند بینش هایی را از محتوایی مانند ایمیل ها، اسناد و رسانه های اجتماعی به دست آورند.

تجزیه و تحلیل عملی متن به پنج بخش تقسیم می شود. بخش اول تجزیه و تحلیل متن را معرفی می کند، رابطه با تجزیه و تحلیل محتوا را مورد بحث قرار می دهد و یک نمای کلی از روش شناسی متن کاوی ارائه می دهد. در بخش دوم، نویسندگان در مورد عمل تجزیه و تحلیل متن، از جمله آماده سازی داده ها و فرآیند برنامه ریزی کلی بحث می کنند. بخش سوم تکنیک های تجزیه و تحلیل متن مانند تجزیه و تحلیل خوشه ای، مدل های موضوعی و یادگیری ماشین را پوشش می دهد. در بخش چهارم کتاب، خوانندگان با تکنیک‌های مورد استفاده برای انتقال بینش از تجزیه و تحلیل متن، از جمله داستان‌سرایی داده‌ها، آشنا می‌شوند. بخش پایانی تجزیه و تحلیل عملی متن نمونه هایی از کاربرد برنامه های نرم افزاری برای تجزیه و تحلیل متن را ارائه می دهد که به خوانندگان امکان می دهد داده های متنی خود را برای کشف اطلاعات استخراج کنند.

</ p>

This book introduces text analytics as a valuable method for deriving insights from text data. Unlike other text analytics publications, Practical Text Analytics: Maximizing the Value of Text Data makes technical concepts accessible to those without extensive experience in the field. Using text analytics, organizations can derive insights from content such as emails, documents, and social media.

Practical Text Analytics is divided into five parts. The first part introduces text analytics, discusses the relationship with content analysis, and provides a general overview of text mining methodology. In the second part, the authors discuss the practice of text analytics, including data preparation and the overall planning process. The third part covers text analytics techniques such as cluster analysis, topic models, and machine learning. In the fourth part of the book, readers learn about techniques used to communicate insights from text analysis, including data storytelling. The final part of Practical Text Analytics offers examples of the application of software programs for text analytics, enabling readers to mine their own text data to uncover information.