ورود به حساب

نام کاربری گذرواژه

گذرواژه را فراموش کردید؟ کلیک کنید

حساب کاربری ندارید؟ ساخت حساب

ساخت حساب کاربری

نام نام کاربری ایمیل شماره موبایل گذرواژه

برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید


09117307688
09117179751

در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید

دسترسی نامحدود

برای کاربرانی که ثبت نام کرده اند

ضمانت بازگشت وجه

درصورت عدم همخوانی توضیحات با کتاب

پشتیبانی

از ساعت 7 صبح تا 10 شب

دانلود کتاب SAS Text Analytics for Business Applications: Concept Rules for Information Extraction Models

دانلود کتاب تجزیه و تحلیل متن SAS برای برنامه های کاربردی تجاری: قوانین مفهومی برای مدل های استخراج اطلاعات

SAS Text Analytics for Business Applications: Concept Rules for Information Extraction Models

مشخصات کتاب

SAS Text Analytics for Business Applications: Concept Rules for Information Extraction Models

ویرایش:  
نویسندگان: , ,   
سری:  
ISBN (شابک) : 1642951943, 9781642951943 
ناشر: SAS Institute 
سال نشر: 2019 
تعداد صفحات: 308 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 5 مگابایت 

قیمت کتاب (تومان) : 37,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 8


در صورت تبدیل فایل کتاب SAS Text Analytics for Business Applications: Concept Rules for Information Extraction Models 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 SAS برای برنامه های کاربردی تجاری: قوانین مفهومی برای مدل های استخراج اطلاعات 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.


توضیحاتی در مورد کتاب تجزیه و تحلیل متن SAS برای برنامه های کاربردی تجاری: قوانین مفهومی برای مدل های استخراج اطلاعات

استخراج بینش‌های عملی از متن و داده‌های بدون ساختار.

استخراج اطلاعات وظیفه استخراج خودکار اطلاعات ساختاریافته از متن بدون ساختار یا نیمه ساختار یافته است. تجزیه و تحلیل متن SAS(R) برای کاربردهای تجاری: قوانین مفهومی برای مدل‌های استخراج اطلاعات بر روی این عنصر کلیدی پردازش زبان طبیعی (NLP) تمرکز می‌کند و راهنمایی‌های دنیای واقعی را در مورد کاربرد مؤثر تجزیه و تحلیل متن ارائه می‌دهد.

با استفاده از سناریوها و داده‌های مبتنی بر موارد تجاری در بسیاری از حوزه‌ها و صنایع مختلف، این کتاب حاوی نکات مفید و بهترین شیوه‌های کارشناسان تجزیه و تحلیل متن SAS است تا از بینش سریع و ارزشمند از داده‌های متنی شما اطمینان حاصل کند.

نوشته شده برای مخاطبان گسترده ای از کاربران مبتدی، متوسط ​​و پیشرفته محصولات تجزیه و تحلیل متن SAS، از جمله SAS(R) Visual Text Analytics، SAS(R) Contextual Analysis و SAS(R) Enterprise Content طبقه بندی ، این کتاب یک مرجع فنی قوی ارائه می دهد. شما جعبه ابزار استخراج اطلاعات SAS را یاد خواهید گرفت، دانش خود را در مورد روش‌های مبتنی بر قانون گسترش می‌دهید و به سؤالات تجاری جدید پاسخ می‌دهید. با افزایش تجربه عملی شما، این کتاب به عنوان مرجعی برای تعمیق تخصص شما خواهد بود.


توضیحاتی درمورد کتاب به خارجی

Extract actionable insights from text and unstructured data.

Information extraction is the task of automatically extracting structured information from unstructured or semi-structured text. SAS(R) Text Analytics for Business Applications: Concept Rules for Information Extraction Models focuses on this key element of natural language processing (NLP) and provides real-world guidance on the effective application of text analytics.

Using scenarios and data based on business cases across many different domains and industries, the book includes many helpful tips and best practices from SAS text analytics experts to ensure fast, valuable insight from your textual data.

Written for a broad audience of beginning, intermediate, and advanced users of SAS text analytics products, including SAS(R) Visual Text Analytics, SAS(R) Contextual Analysis, and SAS(R) Enterprise Content Categorization, this book provides a solid technical reference. You will learn the SAS information extraction toolkit, broaden your knowledge of rule-based methods, and answer new business questions. As your practical experience grows, this book will serve as a reference to deepen your expertise.



فهرست مطالب

Contents
About This Book
	What Does This Book Cover?
	Is This Book for You?
	What Should You Know about the Examples?
	We Want to Hear from You
Acknowledgments
Chapter 1: Fundamentals of Information Extraction with SAS
	1.1. Introduction to Information Extraction
	1.2. The SAS IE Toolkit
	1.3. Reasons for Using SAS IE
	1.4. When You Should Use Other Approaches instead of SAS IE
	1.5. Important Terms in the Book
	1.6. Suggested Reading
Chapter 2: Fundamentals of Named Entities
	2.1. Introduction to Named Entities
	2.2. Business Scenarios
	2.3. The SAS Approach
Chapter 3: SAS Predefined Concepts: Enamex
	3.1. Introduction to SAS Predefined Concepts
	3.2. Person
	3.3. Place
	3.4. Organization
	3.5. Disambiguation of Matches
Chapter 4: SAS Predefined Concepts: Timex, Numex, and Noun Group
	4.1. Introduction to Other SAS Predefined Concepts
	4.2. Date
	4.3. Time
	4.4. Money
	4.5. Percent
	4.6. Noun Group
	4.7. Disambiguation of Matches
	4.8. Supplementing Predefined Concepts
Chapter 5: Fundamentals of Creating Custom Concepts
	5.1. Introduction to Custom Concepts
	5.2. LITI Rule Fundamentals
	5.3. Custom Concept Fundamentals
	5.4. Troubleshooting All Rule Types
Chapter 6: Concept Rule Types
	6.1. Introduction to the Concept Rule Types
	6.2. CLASSIFIER Rule Type
	6.3. CONCEPT Rule Type
	6.4. C_CONCEPT Rule Type
Chapter 7: CONCEPT_RULE Type
	7.1. Introduction to the CONCEPT_RULE Type
	7.2. Basic Use
	7.3. Advanced Use: Multiple and Embedded Operators
	7.4. Advanced Use: Negation Using NOT
	7.5. Advanced Use: Negation Using UNLESS
	7.6. Advanced Use: Coreference and Aliases
	7.7. Troubleshooting
	7.8. Best Practices
	7.9. Summary
Chapter 8: Fact Rule Types
	8.1. Introduction to Fact Rule Types
	8.2. SEQUENCE Rule Type
	8.3. PREDICATE_RULE Rule Type
Chapter 9: Filter Rule Types
	9.1. Introduction to Filter Rule Types
	9.2. REMOVE_ITEM Rule Type
	9.3. NO_BREAK Rule Type
Chapter 10: REGEX Rule Type
	10.1. Introduction to the REGEX Rule Type
	10.2. Basic Use
	10.3. Advanced Use: Discovery of Patterns
	10.4. Advanced Use: Exploration
	10.5. Advanced Use: Identification of Tokens for Splitting in Post-processing
	10.6. Advanced Use: Information Field
	10.7. Troubleshooting REGEX
	10.8. Best Practices for Using REGEX
	10.9. Summary of REGEX
Chapter 11: Best Practices for Custom Concepts
	11.1. Introduction to Boolean and Proximity Operators
	11.2. Best Practices for Using Operators
	11.3. Best Practices for Selecting Rule Types
	11.3. Concept Rules in Models
Chapter 12: Fundamentals of Data Considerations
	12.1. Introduction to Projects
	12.2. Data Considerations
	12.3. Data Evaluation
	12.4. Data Exploration
	12.5. Data Analysis
	12.6. Business Goals and Targeted Information
	12.7. Suggested Reading
Chapter 13: Fundamentals of Project Design
	13.1. Introduction to Project Design
	13.2. Definition of Targeted Information
	13.3. Taxonomy Design
	13.4. Project Settings
	13.5. Suggested Reading
Chapter 14: Fundamentals of Model Measurement
	14.1. Introduction to Model Measurement
	14.2. Use of a Gold Standard Corpus
	14.3. Setup of a Gold Standard Corpus
	14.4. Setup of Approximate Annotations
	14.5. Creation of Samples for Development and Testing
	14.6. Model Quality and Decisions
	14.7. Model Monitoring
	14.8. Suggested Reading
References




نظرات کاربران