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: Ted Kwartler
سری:
ناشر: Wiley
سال نشر: 2017
تعداد صفحات: [310]
زبان: English
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 6 Mb
در صورت تبدیل فایل کتاب Text Mining in Practice with R 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 در عمل با R 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.
یک رویکرد قابل اعتماد و مقرون به صرفه برای استخراج اطلاعات
تجاری بیارزش از همه منابع متنی
حفاری بینشهای تجاری عملی از دادهها یک کار پیچیده است و این
پیچیدگی زمانی که تمرکز بر اسناد است با مرتبهای بزرگتر میشود.
و سایر اطلاعات متنی این کتاب یک رویکرد عملی و عملی برای آموزش
روشی قابل اعتماد و مقرون به صرفه برای استخراج ثروت های گسترده و
ناگفته مدفون در تمام اشکال متن با استفاده از R.
نویسنده تد کوارتلر به وضوح همه موارد را توصیف می کند. ابزارهای
مورد نیاز برای انجام متن کاوی و به شما نشان می دهد که چگونه از
آنها برای شناسایی برنامه های کاربردی تجاری استفاده کنید تا تلاش
های خلاقانه متن کاوی خود را بلافاصله شروع کنید. او با کمک
مثالهای واقعی و مطالعات موردی متعدد از صنایع مختلف از
مراقبتهای بهداشتی گرفته تا سرگرمی تا ارتباطات راه دور، نحوه
اجرای مجموعهای از فرآیندها و عملکردهای متن کاوی، از جمله
امتیازدهی احساسات، مدلسازی موضوع، مدلسازی پیشبینیکننده،
استخراج طعمه کلیک از سرفصلها را نشان میدهد. ، و بیشتر. شما
یاد خواهید گرفت که چگونه:
پست های رسانه های اجتماعی کاربردی را برای بهبود خدمات مشتری
شناسایی کنید
از متن کاوی در منابع انسانی برای شناسایی برداشت های نامزد از یک
سازمان، تطبیق شرح شغل با رزومه، و موارد دیگر استفاده کنید
استخراج اطلاعات گرانبها از تقریباً همه منابع دیجیتال و چاپی، از
جمله رسانه های خبری، سایت های رسانه های اجتماعی، فایل های PDF،
و حتی فایل های تصویری JPEG و GIF
متن کاوی را جزء جدایی ناپذیر بازاریابی به منظور شناسایی مبشران
برند، تاثیر بر مدل سازی تمایل مشتری قرار دهید. و خیلی
بیشتر
تلاشهای دادهکاوی اکثر شرکتها تقریباً منحصراً بر روی دادههای
عددی و دستهبندی متمرکز است، در حالی که متن بهطور عمده منبعی
دستنخورده باقی میماند. به خصوص در یک بازار جهانی که در آن
اولین کسی که نیازها و انتظارات مشتری را شناسایی کرده و به آنها
پاسخ می دهد، مزیت رقابتی بی نظیری را ایجاد می کند، متن منبعی از
ارزش بالقوه بسیار زیاد است. متأسفانه، تاکنون هیچ فناوری قابل
اعتماد و مقرون به صرفه ای برای استخراج بینش های تحلیلی از حجم
عظیم و روزافزون متن موجود به صورت آنلاین و سایر منابع دیجیتالی
و همچنین از اسناد کاغذی وجود ندارد.
A reliable, cost-effective approach to extracting priceless
business information from all sources of text
Excavating actionable business insights from data is a complex
undertaking, and that complexity is magnified by an order of
magnitude when the focus is on documents and other text
information. This book takes a practical, hands-on approach to
teaching you a reliable, cost-effective approach to mining the
vast, untold riches buried within all forms of text using
R.
Author Ted Kwartler clearly describes all of the tools needed
to perform text mining and shows you how to use them to
identify practical business applications to get your creative
text mining efforts started right away. With the help of
numerous real-world examples and case studies from industries
ranging from healthcare to entertainment to telecommunications,
he demonstrates how to execute an array of text mining
processes and functions, including sentiment scoring, topic
modelling, predictive modelling, extracting clickbait from
headlines, and more. You’ll learn how to:
Identify actionable social media posts to improve customer
service
Use text mining in HR to identify candidate perceptions of an
organisation, match job descriptions with resumes, and
more
Extract priceless information from virtually all digital and
print sources, including the news media, social media sites,
PDFs, and even JPEG and GIF image files
Make text mining an integral component of marketing in order to
identify brand evangelists, impact customer propensity
modelling, and much more
Most companies’ data mining efforts focus almost exclusively on
numerical and categorical data, while text remains a largely
untapped resource. Especially in a global marketplace where
being first to identify and respond to customer needs and
expectations imparts an unbeatable competitive advantage, text
represents a source of immense potential value. Unfortunately,
there is no reliable, cost-effective technology for extracting
analytical insights from the huge and ever-growing volume of
text available online and other digital sources, as well as
from paper documents—until now.