基本介紹
內容簡介,目錄,
內容簡介
《文本分析與文本挖掘》闡述詞法分析、文本分類、文本聚類、文本檢索、垃圾郵件過濾、情感分析、個性化推薦等文本分析與文本挖掘方面的理論方法。人工智慧技術與網際網路的發展更是為該領域研究提出新的需求，《文本分析與文本挖掘》相關理論和技術可以直接用於解決具體文本分析與文本挖掘的問題，也可以為進一步研究提供理論方法基礎。《文本分析與文本挖掘》包括理論、技術，既適合理論方法的學習，又適合工程實踐。《文本分析與文本挖掘》配紋想循套軟體、更多案例、技術文檔、配套PPT課件等請登錄和查詢。
目錄
目錄
第1章 統計中文分詞技術 1
1.1 詞法分析問題 1
1.2 詞典與基於規則分詞 4
1.3 仿詞識別與最少分詞技術 7
1.4 基於詞格線的N-gram統計分詞技術 11
1.5 數據平滑與專業詞夜汗鑽捉抽取 18
1.6 本章小結 25
第2章 詞性標註與序列標註 27
2.1 三個序列標註問題 27
2.2 隱馬爾可夫序列標註 31
2.3 CRF模型與序列標註 39
2.4 CRF中文詞性標註 43
2.5 組合分類器的序列標註方法 46
2.6 實驗結果與分析 52
2.7 本章小結 56
第3章 命名實體識別 58
3.1 中文命名實體識別特格迎乃協點與任務描述 58
3.2 ME模型及其適用性 60
3.3 基於ME模型的中文命名實體識別 64
3.4 雙層混合模型方法研究 70
3.5 實驗結果與分析 74
3.6 本章小結 78
第4章 文本分類技術 80
4.1 文本的向量空間模型 80
4.2 文本相似度與kNN分類 85
4.3 樸素貝葉斯文本分類 93
4.4 樸素貝葉斯分類中的特徵缺失補償策略 96
4.5 基於SVM的文本分類 102
4.6 基於分類技術的歧義消解問題 107
4.7 本章小結 112
第5章 文本聚類技術 114
5.1 聚類方法與文本聚類問題 114
5.2 k-均值與k-中心點文本聚類方法 119
5.3 文本層次聚類方法 124
5.4 基於聚類技術的詞義分析 126
灶束淋 5.5 其他聚類方法 130
5.6 本章小結 133
鞏迎只第6章 文本檢索技術 135
6.1 Web檢索系統構成與文本檢索的評價 135
6.2 信息檢索模型與布爾模型 138
6.3 向量空間模型與相關性反饋檢索模型 140
6.4 擴展的布爾模型與機率模型 145
6.5 信息檢索與信息過濾及信息推薦的關係 149
6.6 本章小結 153
第7章 垃圾郵件過濾與情感分析 155
7.1 垃圾郵件過濾問題與企紋晚框架 155
7.2 樸素貝葉斯垃圾郵件過濾方法 159
7.3 ME模型與SVM垃圾郵件過濾方法 162
7.4 情感分析問題 167
7.5 情感分析方法 172
7.6 本章小結 181
第8章 個性化協同過濾推薦技術 183
8.1 推薦問題提出 183
8.2 通用推薦與個性化推薦 188
8.3 基本協同過濾推薦方喇腳法 192
8.4 基於SVD的協同過濾推薦 200
8.5 改進協同過濾推薦方法 207
8.6 本章小結 214
第8第9章 組合推薦技術 215
9.1 基於內容的推薦技術 215
9.2 基於分類技術的推薦方法 219
9.3 基於推理的推薦技術 230
9.4 混合推薦方法 238
9.5 本章小結 242
參考文獻 243
第1章 統計中文分詞技術 1
1.1 詞法分析問題 1
1.2 詞典與基於規則分詞 4
1.3 仿詞識別與最少分詞技術 7
1.4 基於詞格線的N-gram統計分詞技術 11
1.5 數據平滑與專業詞夜汗鑽捉抽取 18
1.6 本章小結 25
第2章 詞性標註與序列標註 27
2.1 三個序列標註問題 27
2.2 隱馬爾可夫序列標註 31
2.3 CRF模型與序列標註 39
2.4 CRF中文詞性標註 43
2.5 組合分類器的序列標註方法 46
2.6 實驗結果與分析 52
2.7 本章小結 56
第3章 命名實體識別 58
3.1 中文命名實體識別特格迎乃協點與任務描述 58
3.2 ME模型及其適用性 60
3.3 基於ME模型的中文命名實體識別 64
3.4 雙層混合模型方法研究 70
3.5 實驗結果與分析 74
3.6 本章小結 78
第4章 文本分類技術 80
4.1 文本的向量空間模型 80
4.2 文本相似度與kNN分類 85
4.3 樸素貝葉斯文本分類 93
4.4 樸素貝葉斯分類中的特徵缺失補償策略 96
4.5 基於SVM的文本分類 102
4.6 基於分類技術的歧義消解問題 107
4.7 本章小結 112
第5章 文本聚類技術 114
5.1 聚類方法與文本聚類問題 114
5.2 k-均值與k-中心點文本聚類方法 119
5.3 文本層次聚類方法 124
5.4 基於聚類技術的詞義分析 126
灶束淋 5.5 其他聚類方法 130
5.6 本章小結 133
鞏迎只第6章 文本檢索技術 135
6.1 Web檢索系統構成與文本檢索的評價 135
6.2 信息檢索模型與布爾模型 138
6.3 向量空間模型與相關性反饋檢索模型 140
6.4 擴展的布爾模型與機率模型 145
6.5 信息檢索與信息過濾及信息推薦的關係 149
6.6 本章小結 153
第7章 垃圾郵件過濾與情感分析 155
7.1 垃圾郵件過濾問題與企紋晚框架 155
7.2 樸素貝葉斯垃圾郵件過濾方法 159
7.3 ME模型與SVM垃圾郵件過濾方法 162
7.4 情感分析問題 167
7.5 情感分析方法 172
7.6 本章小結 181
第8章 個性化協同過濾推薦技術 183
8.1 推薦問題提出 183
8.2 通用推薦與個性化推薦 188
8.3 基本協同過濾推薦方喇腳法 192
8.4 基於SVD的協同過濾推薦 200
8.5 改進協同過濾推薦方法 207
8.6 本章小結 214
第8第9章 組合推薦技術 215
9.1 基於內容的推薦技術 215
9.2 基於分類技術的推薦方法 219
9.3 基於推理的推薦技術 230
9.4 混合推薦方法 238
9.5 本章小結 242
參考文獻 243
