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
دسته بندی: نرم افزار: سیستم ها: محاسبات علمی ویرایش: 2013 نویسندگان: Rafael E. Banchs سری: ISBN (شابک) : 1461441501, 9781461441502 ناشر: Springer سال نشر: 2012 تعداد صفحات: 343 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 37 مگابایت
در صورت تبدیل فایل کتاب Text Mining with MATLAB® [without chapter 1] 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® [بدون فصل 1] 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.
متن کاوی با متلب مقدمه ای جامع برای متن کاوی با استفاده از متلب فراهم می کند. 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. بخش اول مقدمهای بر رویههای اساسی برای مدیریت و کار با رشتههای متنی ارائه میکند. سپس، رویکردهای اصلی مدلسازی ریاضی را مرور میکند. مدلهای آماری و هندسی نیز همراه با روشهای کاهش ابعاد اصلی تشریح شدهاند. در نهایت، برخی از کاربردهای خاص مانند خوشه بندی اسناد، طبقه بندی، جستجو و استخراج اصطلاحات را ارائه می دهد. تمام توضیحات ارائه شده با مثال های عملی که به طور کامل قابل تکرار هستند پشتیبانی می شوند. 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.
Text Mining with MATLAB provides a comprehensive introduction to text mining using MATLAB. It’s 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 first part provides an introduction to basic procedures for handling and operating with text strings. Then, it reviews major mathematical modeling approaches. Statistical and geometrical models are also described along with main dimensionality reduction methods. Finally, it presents some specific applications such as document clustering, classification, search and terminology extraction. 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.
Introduction --
Handling Textual Data --
Regular Expressions --
Basic Operations with Strings --
Reading and Writing Files --
Basic Corpus Statistics --
Statistical Models --
Geometrical Models --
Dimensionality Reduction --
Document Categorization --
Document Search --
Content Analysis.