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 with MATLAB®

دانلود کتاب متن کاوی با MATLAB®

Text Mining with MATLAB®

مشخصات کتاب

Text Mining with MATLAB®

ویرایش: 2 
نویسندگان:   
سری:  
ISBN (شابک) : 3030876942, 9783030876944 
ناشر: Springer 
سال نشر: 2021 
تعداد صفحات: 472 
زبان: English 
فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) 
حجم فایل: 25 مگابایت 

قیمت کتاب (تومان) : 36,000



ثبت امتیاز به این کتاب

میانگین امتیاز به این کتاب :
       تعداد امتیاز دهندگان : 12


در صورت تبدیل فایل کتاب Text Mining with MATLAB® 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 با MATLAB® 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 با MATLAB®



Text Mining با MATLAB® مقدمه ای جامع برای متن کاوی با استفاده از MATLAB ارائه می دهد. این طراحی شده است تا به متخصصان متن کاوی و همچنین کسانی که به طور کلی تجربه کمی در زمینه متن کاوی دارند کمک کند تا با MATLAB و برنامه های پیچیده آن آشنا شوند.

این کتاب در سه بخش اصلی تشکیل شده است: بخش اول، مبانی، روش‌ها و روش‌های اساسی برای دستکاری و عملکرد متن در MATLAB را معرفی می‌کند. محیط برنامه نویسی بخش دوم کتاب، مدل‌های ریاضی، به ایجاد انگیزه، معرفی و توضیح دو پارادایم اصلی مدل‌های ریاضی که معمولاً برای نمایش داده‌های متن استفاده می‌شوند، اختصاص دارد: رویکرد آماری و هندسی. در نهایت، بخش سوم کتاب، تکنیک ها و کاربردها، به مشکلات کلی در متن کاوی و کاربردهای پردازش زبان طبیعی مانند دسته بندی اسناد، جستجوی اسناد، تجزیه و تحلیل محتوا، خلاصه سازی، پاسخ به پرسش و سیستم های مکالمه می پردازد. . این ویرایش دوم شامل به‌روزرسانی‌هایی مطابق با «جعبه ابزار تجزیه و تحلیل متن» است که اخیراً منتشر شده است در محصول متلب و سه فصل جدید و شش بخش جدید را در فصل‌های موجود معرفی می‌کند.

همه توضیحات ارائه‌شده با مثال‌های عملی پشتیبانی می‌شوند. کاملا قابل تکرار خواندن بیشتر، و همچنین تمرین‌ها و پروژه‌های اضافی، در پایان هر فصل برای آن دسته از خوانندگانی که علاقه‌مند به انجام آزمایش‌های بیشتر هستند، پیشنهاد می‌شود.


توضیحاتی درمورد کتاب به خارجی

Text Mining with MATLAB® provides a comprehensive introduction to text mining using MATLAB. It is designed to help text mining practitioners, as well as those with little-to-no experience with text mining in general, familiarize themselves with MATLAB and its complex applications.

The book is structured in three main parts: The first part, Fundamentals, introduces basic procedures and methods for manipulating and operating with text within the MATLABprogramming environment. The second part of the book, Mathematical Models, is devoted to motivating, introducing, and explaining the two main paradigms of mathematical models most commonly used for representing text data: the statistical and the geometrical approach. Eventually, the third part of the book, Techniques and Applications, addresses general problems in text mining and natural language processing applications such as document categorization, document search, content analysis, summarization, question answering, and conversational systems. This second edition includes updates in line with the recently released “Text Analytics Toolbox” within the MATLAB product and introduces three new chapters and six new sections in existing ones.

All descriptions presented are supported with practical examples that are fully reproducible. Further reading, as well as additional exercises and projects, are proposed at the end of each chapter for those readers interested in conducting further experimentation.



فهرست مطالب

Preface
Table of Contents
1 Introduction
	1.1 About Text Mining and MATLAB®
	1.2 About this Book
	1.3 A (very) Brief Introduction to MATLAB®
	1.4 The Text Analytics Toolbox™
	1.5 Further Reading
	1.6 References
Part I: Fundamentals
	2 Handling Text Data
		2.1 Character and Character Arrays
		2.2 Handling Text with Cell Arrays
		2.3 Handling Text with Structures
		2.4 Handling Text with String Arrays
		2.5 Some Useful Functions
		2.6 Further Reading
		2.7 Proposed Exercises
		2.8 References
	3 Regular Expressions
		3.1 Basic Operators for Matching Characters
		3.2 Matching Sequences of Characters
		3.3 Conditional Matching
		3.4 Working with Tokens
		3.5 Further Reading
		3.6 Proposed Exercises
		3.7 References
	4 Basic Operations with Strings
		4.1 Searching and Comparing
		4.2 Replacement and Insertion
		4.3 Segmentation and Concatenation
		4.4 Set Operations
		4.5 Further Reading
		4.6 Proposed Exercises
		4.7 References
	5 Reading and Writing Files
		5.1 Basic File Formats
		5.2 Other Useful Formats
		5.3 Handling Files and Directories
		5.4 Further Reading
		5.5 Proposed Exercises
		5.6 References
	6 The Structure of Language
		6.1 Levels of the Linguistic Phenomena
		6.2 Morphology and Syntax
		6.3 Semantics and Pragmatics
		6.4 Further Reading
		6.5 Proposed Exercises
		6.6 References
Part II: Mathematical Models
	7 Basic Corpus Statistics
		7.1 Fundamental Properties
		7.2 Word Co-occurrences
		7.3 Accounting for Order
		7.4 Further Reading
		7.5 Proposed Exercises
		7.6 Short Projects
		7.7 References
	8 Statistical Models
		8.1 Basic n-gram Models
		8.2 Discounting
		8.3 Model Interpolation
		8.4 Topic Models
		8.5 Further Reading
		8.6 Proposed Exercises
		8.7 Short Projects
		8.8 References
	9 Geometrical Models
		9.1 The Term-Document Matrix
		9.2 The Vector Space Model
		9.3 Association Scores and Distances
		9.4 Further Reading
		9.5 Proposed Exercises
		9.6 Short Projects
		9.7 References
	10 Dimensionality Reduction
		10.1 Vocabulary Pruning and Merging
		10.2 The Linear Transformation Approach
		10.3 Non-linear Projection Methods
		10.4 Embeddings
		10.5 Further Reading
		10.6 Proposed Exercises
		10.7 Short Projects
		10.8 References
Part III: Methods and Applications
	11 Document Categorization
		11.1 Data Collection Preparation
		11.2 Unsupervised Clustering
		11.3 Supervised Classification in Vector Space
		11.4 Supervised Classification in Probability Space
		11.5 Further Reading
		11.6 Proposed Exercises
		11.7 Short Projects
		11.8 References
	12 Document Search
		12.1 Binary Search
		12.2 Vector-based Search
		12.3 The BM25 Ranking Function
		12.4 Cross-language Search
		12.5 Further Reading
		12.6 Proposed Exercises
		12.7 Short Projects
		12.8 References
	13 Content Analysis
		13.1 Dimensions of Analysis
		13.2 Polarity Estimation
		13.3 Qualifier and Aspect Identification
		13.4 Entity, Relation and Definition Extraction
		13.5 Further Reading
		13.6 Proposed Exercises
		13.7 Short Projects
		13.8 References
	14 Keyword Extraction and Summarization
		14.1 Keywords and Word Clouds
		14.2 Text Summarization
		14.3 Further Reading
		14.4 Proposed Exercises
		14.5 Short Projects
		14.6 References
	15 Question Answering and Dialogue
		15.1 Question Answering
		15.2 Dialogue Systems
		15.3 Further Reading
		15.4 Proposed Exercises
		15.5 Short Projects
		15.6 References




نظرات کاربران