Text Mining with Machine Learning: Principles and Techniques

این کتاب دیدگاهی در مورد کاربرد روش‌های مبتنی بر یادگیری ماشین در کشف دانش از متون زبان‌های طبیعی ارائه می‌کند. با تجزیه و تحلیل مجموعه‌های داده‌های مختلف، نتایجی به دست می‌آید که معمولاً مشهود نیستند و می‌توانند برای اهداف و کاربردهای مختلف مورد استفاده قرار گیرند. این کتاب توضیحاتی درباره اصول الگوریتم‌های یادگیری ماشینی اثبات‌شده با زمان اعمال شده در متن کاوی به همراه نمایش‌های گام به گام درباره نحوه آشکار کردن محتوای معنایی در مجموعه داده‌های دنیای واقعی با استفاده از زبان R محبوب با الگوریتم‌های یادگیری ماشین پیاده‌سازی شده ارائه می‌دهد. این کتاب نه تنها متخصصان فناوری اطلاعات را هدف قرار داده است، بلکه برای مخاطبان گسترده‌تری که نیاز به پردازش مجموعه‌های بزرگی از اسناد متنی دارند و دانش اولیه در مورد موضوع را دارند، به عنوان مثال، در نظر گرفته شده است. ارائه دهندگان خدمات ایمیل، خریداران آنلاین، کتابداران و غیره.

کتاب با مقدمه ای بر پردازش داده های زبان طبیعی مبتنی بر متن و اهداف و مشکلات آن شروع می شود. بر یادگیری ماشین تمرکز می کند، الگوریتم های مختلف را با کاربرد و امکانات آنها ارائه می دهد و نکات مثبت و منفی را بررسی می کند. با شروع پیش پردازش داده های اولیه، خواننده می تواند مراحل ارائه شده در زبان R را دنبال کند که شامل جمع کردن پلاگین های مختلف موجود در ابزار نرم افزاری به دست آمده است. یک مزیت بزرگ این است که R همچنین شامل کتابخانه‌های زیادی است که الگوریتم‌های یادگیری ماشین را پیاده‌سازی می‌کنند، بنابراین خواننده می‌تواند بدون نیاز به پیاده‌سازی جزئیات الگوریتم‌ها بر روی هدف اصلی تمرکز کند. برای درک نتایج، کتاب همچنین توضیحاتی در مورد الگوریتم ها ارائه می دهد که از ارزیابی و تفسیر نهایی نتایج پشتیبانی می کند. مثال‌ها با استفاده از داده‌های دنیای واقعی از منابع اینترنتی که معمولاً در دسترس هستند نشان داده شده‌اند.

This book provides a perspective on the application of machine learning-based methods in knowledge discovery from natural languages texts. By analysing various data sets, conclusions which are not normally evident, emerge and can be used for various purposes and applications. The book provides explanations of principles of time-proven machine learning algorithms applied in text mining together with step-by-step demonstrations of how to reveal the semantic contents in real-world datasets using the popular R-language with its implemented machine learning algorithms. The book is not only aimed at IT specialists, but is meant for a wider audience that needs to process big sets of text documents and has basic knowledge of the subject, e.g. e-mail service providers, online shoppers, librarians, etc.

The book starts with an introduction to text-based natural language data processing and its goals and problems. It focuses on machine learning, presenting various algorithms with their use and possibilities, and reviews the positives and negatives. Beginning with the initial data pre-processing, a reader can follow the steps provided in the R-language including the subsuming of various available plug-ins into the resulting software tool. A big advantage is that R also contains many libraries implementing machine learning algorithms, so a reader can concentrate on the principal target without the need to implement the details of the algorithms her- or himself. To make sense of the results, the book also provides explanations of the algorithms, which supports the final evaluation and interpretation of the results. The examples are demonstrated using realworld data from commonly accessible Internet sources.