مشخصات کتاب

Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining

ویرایش:  
نویسندگان: ChengXiang Zhai. Sean Massung  
سری: ACM Books #12 
ISBN (شابک) : 9781970001174 
ناشر: Morgan & Claypool 
سال نشر: 2016 
تعداد صفحات: 531 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 27 مگابایت 

در صورت تبدیل فایل کتاب Text Data Management and Analysis: A Practical Introduction to Information Retrieval and 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 مدیریت و تحلیل داده های متنی: مقدمه ای عملی در بازیابی اطلاعات و متن کاوی 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 مدیریت و تحلیل داده های متنی: مقدمه ای عملی در بازیابی اطلاعات و متن کاوی

سال‌های اخیر شاهد رشد چشمگیر داده‌های متنی زبان طبیعی، از جمله صفحات وب، مقالات خبری، ادبیات علمی، ایمیل‌ها، اسناد سازمانی و رسانه‌های اجتماعی (مانند مقالات وبلاگ، پست‌های انجمن، بررسی محصول و توییت‌ها) بوده‌ایم. این امر منجر به افزایش تقاضا برای ابزارهای نرم افزاری قدرتمند برای کمک به مردم در مدیریت و تجزیه و تحلیل حجم وسیعی از داده های متنی به طور موثر و کارآمد شده است. برخلاف داده‌های تولید شده توسط یک سیستم کامپیوتری یا حسگرها، داده‌های متنی معمولاً مستقیماً توسط انسان تولید می‌شوند و محتوای غنی معنایی را ضبط می‌کنند. به این ترتیب، داده های متنی به ویژه برای کشف دانش درباره نظرات و ترجیحات انسان، علاوه بر بسیاری از انواع دیگر دانشی که در متن رمزگذاری می کنیم، ارزشمند هستند. برخلاف داده‌های ساخت‌یافته، که با طرح‌واره‌های کاملاً تعریف‌شده مطابقت دارند (بنابراین پردازش برای رایانه‌ها نسبتاً آسان است)، متن ساختار واضح‌تری دارد و به پردازش رایانه‌ای برای درک محتوای کدگذاری شده در متن نیاز دارد. فناوری کنونی پردازش زبان طبیعی هنوز به نقطه‌ای نرسیده است که رایانه را قادر به درک دقیق متن زبان طبیعی کند، اما طیف گسترده‌ای از رویکردهای آماری و اکتشافی برای مدیریت و تجزیه و تحلیل داده‌های متنی در چند دهه گذشته توسعه یافته‌اند. آنها معمولاً بسیار قوی هستند و می توانند برای تجزیه و تحلیل و مدیریت داده های متنی در هر زبان طبیعی و در مورد هر موضوعی استفاده شوند. این کتاب با تأکید بر پوشش مفیدترین دانش و مهارت های مورد نیاز برای ساخت انواع سیستم های اطلاعات متنی کاربردی، مقدمه ای سیستماتیک برای بسیاری از این رویکردها ارائه می دهد. از آنجایی که انسان‌ها می‌توانند زبان‌های طبیعی را بسیار بهتر از رایانه‌ها درک کنند، مشارکت مؤثر انسان در یک سیستم اطلاعات متنی به طور کلی مورد نیاز است و سیستم‌های اطلاعات متنی اغلب به عنوان دستیاران هوشمند برای انسان عمل می‌کنند. بسته به نحوه همکاری یک سیستم اطلاعات متنی با انسان، ما دو نوع سیستم اطلاعات متنی را تشخیص می دهیم. اولین مورد، سیستم های بازیابی اطلاعات است که شامل موتورهای جستجو و سیستم های توصیه گر می شود. آنها به کاربران کمک می کنند تا از مجموعه بزرگی از داده های متنی مرتبط ترین داده های متنی را پیدا کنند که واقعاً برای حل یک مشکل برنامه خاص مورد نیاز است، بنابراین به طور مؤثر داده های متن خام بزرگ را به داده های متنی مرتبط بسیار کوچکتر تبدیل می کنند که می توانند به راحتی توسط انسان پردازش شوند. دوم سیستم های کاربردی متن کاوی است. آنها می توانند به کاربران در تجزیه و تحلیل الگوهای موجود در داده های متنی برای استخراج و کشف دانش کاربردی مفید کمک کنند که مستقیماً برای تکمیل کار یا تصمیم گیری مفید است، بنابراین پشتیبانی مستقیم تری از کار برای کاربران ارائه می دهد. این کتاب مفاهیم، ​​تکنیک‌ها و ایده‌های اصلی در بازیابی اطلاعات و داده‌کاوی متن را از منظر عملی پوشش می‌دهد، و شامل تمرین‌های عملی بسیاری است که با ابزار نرم‌افزار همراه (به عنوان مثال، MeTA) طراحی شده‌اند تا به خوانندگان کمک کند تا روش‌های به کارگیری تکنیک‌ها را بیاموزند. بازیابی اطلاعات و متن کاوی به داده های متنی دنیای واقعی و نحوه آزمایش و بهبود برخی از الگوریتم ها برای کارهای کاربردی جالب. این کتاب می تواند به عنوان یک کتاب درسی برای دانش آموختگان و فارغ التحصیلان علوم کامپیوتر، دانشمندان کتابداری و اطلاع رسانی، یا به عنوان یک کتاب مرجع برای پزشکانی که روی مشکلات مربوطه در مدیریت و تجزیه و تحلیل داده های متنی کار می کنند، استفاده شود.

توضیحاتی درمورد کتاب به خارجی

Recent years have seen a dramatic growth of natural language text data, including web pages, news articles, scientific literature, emails, enterprise documents, and social media (such as blog articles, forum posts, product reviews, and tweets). This has led to an increasing demand for powerful software tools to help people manage and analyze vast amounts of text data effectively and efficiently. Unlike data generated by a computer system or sensors, text data are usually generated directly by humans, and capture semantically rich content. As such, text data are especially valuable for discovering knowledge about human opinions and preferences, in addition to many other kinds of knowledge that we encode in text. In contrast to structured data, which conform to well-defined schemas (thus are relatively easy for computers to handle), text has less explicit structure, requiring computer processing toward understanding of the content encoded in text. The current technology of natural language processing has not yet reached a point to enable a computer to precisely understand natural language text, but a wide range of statistical and heuristic approaches to management and analysis of text data have been developed over the past few decades. They are usually very robust and can be applied to analyze and manage text data in any natural language, and about any topic. This book provides a systematic introduction to many of these approaches, with an emphasis on covering the most useful knowledge and skills required to build a variety of practically useful text information systems. Because humans can understand natural languages far better than computers can, effective involvement of humans in a text information system is generally needed and text information systems often serve as intelligent assistants for humans. Depending on how a text information system collaborates with humans, we distinguish two kinds of text information systems. The first is information retrieval systems which include search engines and recommender systems; they assist users in finding from a large collection of text data the most relevant text data that are actually needed for solving a specific application problem, thus effecively turning big raw text data into much smaller relevant text data that can be more easily processed by humans. The second is text mining application systems; they can assist users in analyzing patterns in text data to extract and discover useful actionable knowledge directly useful for task completion or decision making, thus providing more direct task support for users. This book covers the major concepts, techniques, and ideas in information retrieval and text data mining from a practical viewpoint, and includes many hands-on exercises designed with a companion software toolkit (i.e., MeTA) to help readers learn how to apply techniques of information retrieval and text mining to real-world text data and how to experiment with and improve some of the algorithms for interesting application tasks. This book can be used as a textbook for computer science undergraduates and graduates, library and information scientists, or as a reference book for practitioners working on relevant problems in managing and analyzing text data.

نظرات کاربران

کتاب های تصادفی

دانلود کتاب The Statistical Mechanics of Financial Markets

دانلود کتاب Le lotte di classe in URSS 1917-1923

دانلود کتاب Projekt-Management: Eine Führungskonzeption für außergewöhnliche Vorhaben

دانلود کتاب Cooking Basics For Dummies (For Dummies (Cooking))

دانلود کتاب Buroriforma: Per una sociologia delle trasformazioni nel lavoro pubblico