了得網計算機/網絡_Web文本挖掘技術理論與應用

內容簡介

隨著互聯網和通訊網的迅猛發展，網絡文本成為信息的主要載體及人們生活中不可或缺的主要信息來源，文本挖掘技術的研究意義和實用價值越來越突出。另一方面，隨著Web 2.0時代的到來，出現了越來越多的由用戶創作的網絡數字內容。用戶數字內容的大量產生和傳播使得短文本計算、Web文本信息抽取、文本情感分析等逐漸成為Web文本挖掘研究的熱點問題。本書從Web文本的信息抽取、聚類、分類、信息檢索等技術出發，與讀者分享作者多年的研究和開發經驗。

作者簡介

何慧，女，華北電力大學（北京）控制與計算機工程學院講師，加拿大蒙特利爾大學計算機學院訪問學者，主要科研領域為機器學習、自然語言處理。

目錄
第1章概論1
1.1 研究的背景和意義1
1.2 文本挖掘相關技術概述及研究現狀2
1.2.1 文本分類概述及研究現狀3
1.2.2 文本聚類概述及研究現狀5
1.2.3 信息抽取概述及研究現狀6
1.2.4 文本檢索概述及研究現狀7
1.3 文本挖掘領域亟待解決的問題8
1.4 本書的研究內容與結構安排11
參考文獻13
第2章基於統計語言模型的短文本計算18
2.1 引言18
2.2 文本信息處理基礎知識19目錄
第1章概論1
1.1 研究的背景和意義1
1.2 文本挖掘相關技術概述及研究現狀2
1.2.1 文本分類概述及研究現狀3
1.2.2 文本聚類概述及研究現狀5
1.2.3 信息抽取概述及研究現狀6
1.2.4 文本檢索概述及研究現狀7
1.3 文本挖掘領域亟待解決的問題8
1.4 本書的研究內容與結構安排11
參考文獻13
第2章基於統計語言模型的短文本計算18
2.1 引言18
2.2 文本信息處理基礎知識19
2.2.1 文本的表示19
2.2.2 特征選擇21
2.3 基於N-gram的特征提取和RPCL的短文本聚類算法22
2.3.1 相關工作23
2.3.2 算法描述23
2.3.3 實驗及分析28
2.4 小結31
參考文獻31
第3章面向廣告推薦和情感分析的Web文本信息抽取35
3.1 引言35
3.2 信息抽取常用算法和模型36
3.2.1 N-gram語言模型36
3.2.2 隱馬爾可夫模型37
3.2.3 熵模型38
3.3 基於隱馬爾科夫模型的半監督中文復合詞抽取算法41
3.3.1 相關工作42
3.3.2 算法描述42
3.3.3 實驗及分析46
3.4 基於熵和LMR模板的中文情感詞抽取算法48
3.4.1 相關工作49
3.4.2 算法描述50
3.4.3 實驗及分析51
3.5 小結55
參考文獻55
第4章基於監督和半監督的文本情感分類59
4.1 引言59
4.2 常用的監督和半監督文本分類算法60
4.2.1 常用文本分類算法61
4.2.2 半監督文本分類算法63
4.3 文本情感分類的研究現狀66
4.3.1 主客觀分類66
4.3.2 情感極性分類66
4.4 基於帶先驗的熵歌詞情感分類68
4.4.1 相關工作68
4.4.2 歌詞語料集統計信息69
4.4.3 算法描述71
4.4.4 實驗及分析74
4.5 基於圖的半監督學習文本情感分類算法76
4.5.1 算法描述77
4.5.2 實驗及分析79
4.6 小結82
參考文獻82
第5章文本觀點檢索研究89
5.1 引言89
5.2 相關研究89
5.3 文本觀點檢索繫統設計與評測90
5.3.1 COAE2008觀點檢索任務、數據及相關評測指標91
5.3.2 文本觀點檢索繫統92
5.4 小結96
參考文獻96
第6章總結與展望99
6.1 本文的工作總結99
6.2 未來的工作展望101

商品搜索

商品分类

【醫學】

【各大出版社】