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: 1st ed. نویسندگان: Murugan Anandarajan, Chelsey Hill, Thomas Nolan سری: Advances in Analytics and Data Science 2 ISBN (شابک) : 9783319956626, 9783319956633 ناشر: Springer International Publishing سال نشر: 2019 تعداد صفحات: 294 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 14 مگابایت
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل متن عملی: به حداکثر رساندن ارزش داده های متنی: تجارت و مدیریت، کلان داده/تحلیل، سیستم های اطلاعات کسب و کار، آمار برای کسب و کار/اقتصاد/ریاضی مالی/بیمه
در صورت تبدیل فایل کتاب Practical Text Analytics: Maximizing the Value of Text Data 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 تجزیه و تحلیل متن عملی: به حداکثر رساندن ارزش داده های متنی 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 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.
Front Matter ....Pages i-xxviii
Introduction to Text Analytics (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 1-11
Front Matter ....Pages 13-13
The Fundamentals of Content Analysis (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 15-25
Planning for Text Analytics (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 27-41
Front Matter ....Pages 43-43
Text Preprocessing (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 45-59
Term-Document Representation (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 61-73
Front Matter ....Pages 75-75
Semantic Space Representation and Latent Semantic Analysis (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 77-91
Cluster Analysis: Modeling Groups in Text (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 93-115
Probabilistic Topic Models (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 117-130
Classification Analysis: Machine Learning Applied to Text (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 131-149
Modeling Text Sentiment: Learning and Lexicon Models (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 151-164
Front Matter ....Pages 165-165
Storytelling Using Text Data (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 167-175
Visualizing Analysis Results (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 177-190
Front Matter ....Pages 191-191
Sentiment Analysis of Movie Reviews Using R (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 193-220
Latent Semantic Analysis (LSA) in Python (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 221-242
Learning-Based Sentiment Analysis Using RapidMiner (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 243-261
SAS Visual Text Analytics (Murugan Anandarajan, Chelsey Hill, Thomas Nolan)....Pages 263-282
Back Matter ....Pages 283-285