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: Wachsmuth. Henning(Editor)
سری: Lecture notes in computer science 9383; LNCS sublibrary. SL 1, Theoretical computer science and general issues
ISBN (شابک) : 9783319257402, 3319257412
ناشر: Springer
سال نشر: 2015
تعداد صفحات: 317
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 19 مگابایت
در صورت تبدیل فایل کتاب Text analysis pipelines: towards ad-hoc large scale text mining 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 خطوط لوله تجزیه و تحلیل متن: به سمت متن کاوی در مقیاس بزرگ موقت 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 مونوگراف یک رویکرد جامع و کاملا خودکار را برای طراحی خطوط
لوله تجزیه و تحلیل متن برای نیازهای اطلاعات دلخواه پیشنهاد
میکند که از نظر کارایی زمان اجرا بهینه هستند و به طور قوی
اطلاعات مربوطه را از هر نوع متن استخراج میکنند. بر اساس
تکنیکهای پیشرفته از یادگیری ماشین و سایر زمینههای هوش مصنوعی،
الگوریتمهای جدید ساخت و اجرای خط لوله توسعه یافته و در
نرمافزارهای نمونه اولیه پیادهسازی شدهاند. تحلیلهای رسمی
الگوریتمها و آزمایشهای تجربی گسترده تأکید میکنند که رویکرد
پیشنهادی گامی اساسی به سمت استفاده موقت از متن کاوی در جستجوی
وب و تجزیه و تحلیل دادههای بزرگ است.
هم جستجوی وب و هم تجزیه و تحلیل دادههای بزرگ هدفشان برآورده
کردن افراد است. نیاز به اطلاعات به صورت adhoc دارد. اطلاعاتی که
به دنبال آن هستند اغلب در مقادیر زیادی از متن زبان طبیعی پنهان
می شوند. موتورهای جستجو و تحلیل پیشرو به جای بازگرداندن لینکها
به متون بالقوه مرتبط، شروع به استخراج مستقیم اطلاعات مرتبط از
متون کردهاند. برای این منظور، آنها خطوط لوله تجزیه و تحلیل متن
را اجرا می کنند که ممکن است شامل چندین مرحله پیچیده اطلاعات-
استخراج و طبقه بندی متن باشد. با توجه به الزامات عملی کارایی و
استحکام، استفاده از متن کاوی تا کنون به نیازهای اطلاعاتی
پیشبینیشده محدود شده است که میتوان با خطوط لوله نسبتاً ساده
و دستی ساخته شده برآورده شود.
\ "
This monograph proposes a comprehensive and fully automatic
approach to designing text analysis pipelines for arbitrary
information needs that are optimal in terms of run-time
efficiency and that robustly mine relevant information from
text of any kind. Based on state-of-the-art techniques from
machine learning and other areas of artificial intelligence,
novel pipeline construction and execution algorithms are
developed and implemented in prototypical software. Formal
analyses of the algorithms and extensive empirical experiments
underline that the proposed approach represents an essential
step towards the ad-hoc use of text mining in web search and
big data analytics.
Both web search and big data analytics aim to fulfill peoples
needs for information in an adhoc manner. The information
sought for is often hidden in large amounts of natural language
text. Instead of simply returning links to potentially relevant
texts, leading search and analytics engines have started to
directly mine relevant information from the texts. To this end,
they execute text analysis pipelines that may consist of
several complex information-extraction and text-classification
stages. Due to practical requirements of efficiency and
robustness, however, the use of text mining has so far been
limited to anticipated information needs that can be fulfilled
with rather simple, manually constructed pipelines.
"
Front Matter....Pages I-XX
Introduction....Pages 1-17
Text Analysis Pipelines....Pages 19-53
Pipeline Design....Pages 55-121
Pipeline Efficiency....Pages 123-182
Pipeline Robustness....Pages 183-230
Conclusion....Pages 231-238
Back Matter....Pages 239-302