Survey of Text Mining: Clustering, Classification, and Retrieval

همچنان که حجم اطلاعات متنی دیجیتالی شده رو به افزایش است، نیاز حیاتی به طراحی استراتژی‌ها/نرم‌افزارهای جستجو و نمایه‌سازی قوی و مقیاس‌پذیر برای پاسخگویی به انواع نیازهای کاربر افزایش می‌یابد. استخراج یا ایجاد دانش از متن نیاز به پردازش سیستماتیک و در عین حال قابل اعتماد دارد که می تواند برای نیازها و محیط های متغیر کدگذاری و تطبیق داده شود.

Survey of Text Mining یک نظرسنجی ویرایش شده جامع است که در سه بخش سازماندهی شده است: خوشه بندی و طبقه بندی. استخراج و بازیابی اطلاعات؛ و تشخیص روند. بسیاری از فصل ها بر کاربرد عملی نرم افزار و الگوریتم ها برای نیازهای فعلی و آینده در متن کاوی تاکید دارند. نویسندگان صنعت دیدگاه های خود را در مورد رویکردهای فعلی برای متن کاوی در مقیاس بزرگ و موانعی که فعالیت تحقیق و توسعه در این زمینه را برای دهه آینده هدایت خواهند کرد، ارائه می دهند.

موضوعات و ویژگی‌ها:

* مواردی مانند مقیاس‌پذیری، استحکام، و ابزارهای نرم‌افزار را برجسته می‌کند

* تحقیقات و تکنیک های اخیر را از دانشگاه و صنعت گرد هم می آورد

* پیشرفت های الگوریتمی در تجزیه و تحلیل متمایز، خوشه بندی طیفی، تشخیص روند، و استخراج مترادف را بررسی می کند.

* شامل مطالعات موردی در استخراج وب و گزارش‌های پشتیبانی مشتری برای استخراج موضوعات داغ و مشخصات پرس و جو می‌شود

* گسترده کتابشناسی همه مراجع، از جمله وب سایت ها

این حجم از نظرسنجی مفید، از تخصص دانشگاهیان و متخصصان صنعت بهره می برد تا رویکردهای عملی برای پاکسازی، نمایه سازی و استخراج اطلاعات متنی را توصیه کند. محققان، پزشکان و متخصصان درگیر در بازیابی اطلاعات، آمار محاسباتی و داده کاوی که به جدیدترین روش‌ها و الگوریتم‌های متن کاوی نیاز دارند، این کتاب را منبعی ضروری می‌دانند.

As the volume of digitized textual information continues to grow, so does the critical need for designing robust and scalable indexing and search strategies/software to meet a variety of user needs. Knowledge extraction or creation from text requires systematic, yet reliable processing that can be codified and adapted for changing needs and environments.

Survey of Text Mining is a comprehensive edited survey organized into three parts: Clustering and Classification; Information Extraction and Retrieval; and Trend Detection. Many of the chapters stress the practical application of software and algorithms for current and future needs in text mining. Authors from industry provide their perspectives on current approaches for large-scale text mining and obstacles that will guide R&D activity in this area for the next decade.

Topics and features:

* Highlights issues such as scalability, robustness, and software tools

* Brings together recent research and techniques from academia and industry

* Examines algorithmic advances in discriminant analysis, spectral clustering, trend detection, and synonym extraction

* Includes case studies in mining Web and customer-support logs for hot- topic extraction and query characterizations

* Extensive bibliography of all references, including websites

This useful survey volume taps the expertise of academicians and industry professionals to recommend practical approaches to purifying, indexing, and mining textual information. Researchers, practitioners, and professionals involved in information retrieval, computational statistics, and data mining, who need the latest text-mining methods and algorithms, will find the book an indispensable resource.