文本數據管理與分析：信息檢索與文本挖掘的實用導論

《文本數據管理與分析：信息檢索與文本挖掘的實用導論》是2019年機械工業出版社出版的圖書，作者是翟成祥、肖恩·馬森 。

基本介紹

• 中文名：文本數據管理與分析：信息檢索與文本挖掘的實用導論
• 作者：翟成祥、肖恩·馬森
• 譯者：宋巍、趙鑫、李璐暘 、李洋
• 出版社：機械工業出版社
• 出版時間：2019年5月
• 頁數：328 頁
• 定價：139 元
• 裝幀：平裝
• ISBN：9787111611769

內容簡介

本書從實際角度涵蓋了信息檢索和文本數據挖掘領域的主要概念、技術和方法，並包括許多專門設計並輔以配套軟體工具包（例如META，一種數據科學工具包）的動手練習，來幫助讀者學習如何運用文本挖掘和信息檢索的技術來分析和處理現實世界中的文本數據，以及如何試驗數據和為具體套用任務來改進一些算法。

圖書目錄

中文版序

譯者序

前言

作者簡介

第一部分　概述和背景

第1章　緒論2

1.1　文本信息系統的功能4

1.2　文本信息系統的概念框架5

1.3　本書結構安排7

1.4　如何使用本書8

書目說明和延伸閱讀9

第2章　背景11

2.1　機率和統計基礎11

2.1.1　聯合機率和條件機率12

2.1.2　貝葉斯法則13

2.1.3　拋硬幣和二項分布14

2.1.4　最大似然參數估計14

2.1.5　貝葉斯參數估計15

2.1.6　機率模型及其套用16

2.2　資訊理論17

2.3　機器學習19

書目說明和延伸閱讀20

練習20

第3章　文本數據理解22

3.1　自然語言處理的歷史和研究現狀23

3.2　自然語言處理和文本信息系統24

3.3　文本表示26

3.4　統計語言模型28

書目說明和延伸閱讀31

練習31

第4章　META：一個面向文本數據管理和分析的統一工具箱33

4.1　設計原則33

4.2　設定META34

4.3　架構34

4.4　用META分詞35

4.5　相關工具箱37

練習38

第二部分　文本數據獲取

第5章　文本數據獲取概述44

5.1　獲取模式：拉取與推送44

5.2　多模式互動獲取45

5.3　文本檢索47

5.4　文本檢索與資料庫檢索48

5.5　文檔選擇與文檔排序49

書目說明和延伸閱讀50

練習51

第6章　檢索模型52

6.1　概述52

6.2　檢索函式的一般形式53

6.3　向量空間檢索模型54

6.3.1　向量空間模型實例化55

6.3.2　位向量表示的表現56

6.3.3　改進的模型實例57

6.3.4　TF變換60

6.3.5　文檔長度規範化62

6.3.6　基本向量空間模型的進一步改進64

6.3.7　小結65

6.4　機率檢索模型65

6.4.1　查詢似然檢索模型67

6.4.2　文檔語言模型的平滑69

6.4.3　具體的平滑方法72

書目說明和延伸閱讀76

練習76

第7章　反饋78

7.1　向量空間模型中的反饋79

7.2　語言模型中的反饋81

書目說明和延伸閱讀84

練習84

第8章　搜尋引擎實現86

8.1　分詞器86

8.2　索引器87

8.3　打分器90

8.3.1　逐個詞項排序90

8.3.2　逐個文檔排序90

8.3.3　過濾文檔91

8.3.4　索引分片91

8.4　反饋實現92

8.5　壓縮92

8.5.1　按位壓縮93

8.5.2　塊壓縮94

8.6　高速快取95

8.6.1　LRU快取95

8.6.2　DBLRU快取96

書目說明和延伸閱讀96

練習97

第9章　搜尋引擎評價98

9.1　引言98

9.1.1　要度量什麼98

9.1.2　Cranfield評價方法98

9.2　集合檢索的評價100

9.2.1　準確率和召回率100

9.2.2　F度量：準確率和召回率的結合101

9.3　有序列表的評價102

9.4　基於多級別判斷標準的評價106

9.5　評價中的實際問題107

書目說明和延伸閱讀110

練習110

第10章　網路搜尋112

10.1　網路爬蟲113

10.2　網頁索引113

10.3　連結分析117

10.3.1　PageRank算法118

10.3.2　HITS算法121

10.4　排序學習122

10.5　網路搜尋的未來125

書目說明和延伸閱讀127

練習127

第11章　推薦系統130

11.1　基於內容的推薦131

11.2　協同過濾134

11.3　推薦系統的評價137

書目說明和延伸閱讀138

練習138

第三部分　文本數據分析

第12章　文本數據分析概述142

12.1　動機：文本數據分析的套用142

12.2　文本與非文本數據：人類作為主觀感測器143

12.3　文本挖掘任務概覽145

第13章　詞關聯挖掘148

13.1　詞關聯挖掘的基本思想149

13.2　聚合關係的發現150

13.3　組合關係的發現153

13.4　詞關聯挖掘的評價159

書目說明和延伸閱讀160

練習160

第14章　文本聚類162

14.1　聚類技術概述163

14.2　文檔聚類164

14.2.1　凝聚層次聚類法165

14.2.2　K-均值165

14.3　詞項聚類167

14.3.1　語義關聯的詞語167

14.3.2　點互信息169

14.3.3　先進方法169

14.4　文本聚類的評價172

書目說明和延伸閱讀173

練習173

第15章　文本分類175

15.1　引言175

15.2　文本分類方法概述176

15.3　文本分類問題177

15.4　文本分類的特徵177

15.5　分類算法179

15.5.1　k-近鄰180

15.5.2　樸素貝葉斯181

15.5.3　線性分類器182

15.6　文本分類的評價183

書目說明和延伸閱讀184

練習184

第16章　文本摘要185

16.1　文本摘要技術概述185

16.2　抽取式文本摘要186

16.3　抽象式文本摘要187

16.4　文本摘要的評價189

16.5　文本摘要的套用189

書目說明和延伸閱讀190

練習190

第17章　主題分析192

17.1　用詞項表示的主題193

17.2　用單詞分布表示的主題196

17.3　挖掘文本中的一個主題198

17.3.1　最簡單的主題模型：一元語言模型199

17.3.2　添加背景語言模型201

17.3.3　混合模型的參數估計205

17.3.4　混合模型的行為206

17.3.5　期望最大化209

17.4　機率潛在語義分析214

17.5　PLSA的擴展及潛在狄利克雷分布220

17.6　主題分

......