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 Text mining : applications and theory

دانلود کتاب متن کاوی: کاربردها و تئوری

Text mining : applications and theory

مشخصات کتاب

Text mining : applications and theory

ویرایش: 1 
نویسندگان: ,   
سری:  
ISBN (شابک) : 0470749822, 9780470749821 
ناشر: John Wiley & Sons 
سال نشر: 2010 
تعداد صفحات: 223 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 2 مگابایت

قیمت کتاب (تومان) : 88,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 18


در صورت تبدیل فایل کتاب Text mining : applications and theory 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 متن کاوی: کاربردها و تئوری 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 متن کاوی: کاربردها و تئوری

متن کاوی: کاربردها و تئوری الگوریتم های پیشرفته ای را برای متن کاوی از هر دو دیدگاه دانشگاهی و صنعتی ارائه می دهد. مشارکت‌کنندگان چندین کشور و حوزه علمی را شامل می‌شوند: دانشگاه‌ها، شرکت‌های صنعتی، و آزمایشگاه‌های دولتی، و استفاده از تکنیک‌های یادگیری ماشین، کشف دانش، پردازش زبان طبیعی و بازیابی اطلاعات را برای طراحی مدل‌های محاسباتی برای تجزیه و تحلیل خودکار متن و استخراج نشان می‌دهند.

این جلد نشان می‌دهد که چگونه پیشرفت‌ها در زمینه‌های ریاضیات کاربردی، علوم رایانه، یادگیری ماشین، و پردازش زبان طبیعی می‌توانند به طور جمعی کلمات و زمینه‌های آنها را ضبط، طبقه‌بندی و تفسیر کنند. همانطور که در مقدمه پیشنهاد شد، متن کاوی زمانی مورد نیاز است که "کلمات کافی نیستند."

این کتاب:

  • وضعیت الگوریتم‌ها و تکنیک‌های هنری برای کارهای حیاتی در کاربردهای متن کاوی، مانند خوشه‌بندی، طبقه‌بندی، تشخیص ناهنجاری و روند، و تحلیل جریان.
  • بررسی تکنیک‌های تجسم متن را ارائه می‌دهد و به طبقه‌بندی متن چند زبانه نگاه می‌کند. مشکل.
  • مساله جرایم سایبری مرتبط با اتاق‌های گفتگو را مورد بحث قرار می‌دهد.
  • پیشرفت‌ها در تجزیه و تحلیل بصری و یادگیری ماشینی را همراه با مثال‌های گویا نشان می‌دهد.
  • با یک پشتیبانی همراه است. وب سایت دارای مجموعه داده است.

ریاضیدانان کاربردی، آماردانان، پزشکان و دانشجویان علوم کامپیوتر، بیوانفورماتیک و مهندسی این کتاب را بسیار مفید خواهند یافت.


توضیحاتی درمورد کتاب به خارجی

Text Mining: Applications and Theory presents the state-of-the-art algorithms for text mining from both the academic and industrial perspectives.  The contributors span several countries and scientific domains: universities, industrial corporations, and government laboratories, and demonstrate the use of techniques from machine learning, knowledge discovery, natural language processing and information retrieval to design computational models for automated text analysis and mining.

This volume demonstrates how advancements in the fields of applied mathematics, computer science, machine learning, and natural language processing can collectively capture, classify, and interpret words and their contexts.  As suggested in the preface, text mining is needed when “words are not enough.”

This book:

  • Provides state-of-the-art algorithms and techniques for critical tasks in text mining applications, such as clustering, classification, anomaly and trend detection, and stream analysis.
  • Presents a survey of text visualization techniques and looks at the multilingual text classification problem.
  • Discusses the issue of cybercrime associated with chatrooms.
  • Features advances in visual analytics and machine learning along with illustrative examples.
  • Is accompanied by a supporting website featuring datasets.

Applied mathematicians, statisticians, practitioners and students in computer science, bioinformatics and engineering will find this book extremely useful.



فهرست مطالب

Content: List of Contributors.  <
p>
Preface. <
p>
PART I TEXT EXTRACTION, CLASSIFICATION, ANDCLUSTERING. <
p>
1 Automatic keyword extraction from individualdocuments. <
p>
1.1 Introduction. <
p>
1.2 Rapid automatic keyword extraction. <
p>
1.3 Benchmark evaluation. <
p>
1.4 Stoplist generation. <
p>
1.5 Evaluation on news articles. <
p>
1.6 Summary. <
p>
1.7 Acknowledgements. <
p>
2 Algebraic techniques for multilingual documentclustering. <
p>
2.1 Introduction. <
p>
2.2 Background. <
p>
2.3 Experimental setup. <
p>
2.4 Multilingual LSA. <
p>
2.5 Tucker1 method. <
p>
2.6 PARAFAC2 method. <
p>
2.7 LSA with term alignments. <
p>
2.8 Latent morpho-semantic analysis (LMSA). <
p>
2.9 LMSA with term alignments. <
p>
2.10 Discussion of results and techniques. <
p>
2.11 Acknowledgements. <
p>
3 Content-based spam email classification usingmachine-learning algorithms. <
p>
3.1 Introduction. <
p>
3.2 Machine-learning algorithms. <
p>
3.3 Data preprocessing. <
p>
3.4 Evaluation of email classification. <
p>
3.5 Experiments. <
p>
3.6 Characteristics of classifiers. <
p>
3.7 Concluding remarks. <
p>
3.8 Acknowledgements. <
p>
4 Utilizing nonnegative matrix factorization for emailclassification problems. <
p>
4.1 Introduction. <
p>
4.2 Background. <
p>
4.3 NMF initialization based on feature ranking. <
p>
4.4 NMF-based classification methods. <
p>
4.5 Conclusions. <
p>
4.6 Acknowledgements. <
p>
5 Constrained clustering with k-means typealgorithms. <
p>
5.1 Introduction. <
p>
5.2 Notations and classical k-means. <
p>
5.3 Constrained k-means with Bregman divergences. <
p>
5.4 Constrained smoka type clustering. <
p>
5.5 Constrained spherical k-means. <
p>
5.6 Numerical experiments. <
p>
5.7 Conclusion.  <
p>
PART II ANOMALY AND TREND DETECTION. <
p>
6 Survey of text visualization techniques. <
p>
6.1 Visualization in text analysis. <
p>
6.2 Tag clouds. <
p>
6.3 Authorship and change tracking. <
p>
6.4 Data exploration and the search for novel patterns. <
p>
6.5 Sentiment tracking. <
p>
6.6 Visual analytics and FutureLens. <
p>
6.7 Scenario discovery. <
p>
6.8 Earlier prototype. <
p>
6.9 Features of FutureLens. <
p>
6.10 Scenario discovery example: bioterrorism. <
p>
6.11 Scenario discovery example: drug trafficking. <
p>
6.12 Future work. <
p>
7 Adaptive threshold setting for novelty mining. <
p>
7.1 Introduction. <
p>
7.2 Adaptive threshold setting in novelty mining. <
p>
7.3 Experimental study. <
p>
7.4 Conclusion. <
p>
8 Text mining and cybercrime. <
p>
8.1 Introduction. <
p>
8.2 Current research in Internet predation andcyberbullying. <
p>
8.3 Commercial software for monitoring chat. <
p>
8.4 Conclusions and future directions. <
p>
8.5 Acknowledgements. <
p>
PART III TEXT STREAMS. <
p>
9 Events and trends in text streams. <
p>
9.1 Introduction. <
p>
9.2 Text streams. <
p>
9.3 Feature extraction and data reduction. <
p>
9.4 Event detection. <
p>
9.5 Trend detection. <
p>
9.6 Event and trend descriptions. <
p>
9.7 Discussion. <
p>
9.8 Summary. <
p>
9.9 Acknowledgements. <
p>
10 Embedding semantics in LDA topic models. <
p>
10.1 Introduction. <
p>
10.2 Background. <
p>
10.3 Latent Dirichlet allocation. <
p>
10.4 Embedding external semantics from Wikipedia. <
p>
10.5 Data-driven semantic embedding. <
p>
10.6 Related work. <
p>
10.7 Conclusion and future work. <
p>
References. <
p>
Index.




نظرات کاربران

تمامی حقوق معنوی و مادی وبسایت متعلق به اینترنشنال لایبرری می باشد