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:
ISBN (شابک) : 9781119282099
ناشر: Wiley
سال نشر: 2017
تعداد صفحات: 307
زبان: english
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 5 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 کاوش بینشهای تجاری عملی از دادهها یک کار پیچیده است و وقتی تمرکز بر اسناد و سایر اطلاعات متنی باشد، این پیچیدگی با مرتبهای بزرگتر میشود. این کتاب یک رویکرد عملی و عملی دارد تا روشی قابل اعتماد و مقرون به صرفه را به شما آموزش دهد تا با استفاده از R، ثروت های گسترده و ناگفته مدفون در همه اشکال متن را به شما آموزش دهد. نویسنده تد کوارتلر به وضوح تمام ابزارهای مورد نیاز برای انجام متن کاوی را توصیف می کند. 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: شناسایی پست های رسانه های اجتماعی عملی برای بهبود خدمات مشتری استفاده از متن کاوی در منابع انسانی برای شناسایی برداشت های نامزد از یک سازمان، مطابقت دادن شرح وظایف با رزومه، و بیشتر استخراج اطلاعات گران قیمت از تقریباً همه منابع دیجیتال و چاپی، از جمله رسانههای خبری، سایتهای رسانههای اجتماعی، فایلهای PDF، و حتی فایلهای تصویری JPEG و GIF، متن کاوی را جزء جدایی ناپذیر بازاریابی به منظور شناسایی مبشرین برند، تأثیرگذاری بر مدلسازی گرایش مشتری، و خیلی چیزهای دیگر تبدیل میکنند. و داده های طبقه بندی شده، در حالی که متن یک منبع تا حد زیادی دست نخورده باقی می ماند. 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.