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: 2
نویسندگان: Rafael E. Banchs
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
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.
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.
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.
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