文本数据挖掘/宗成庆等
本书特色
[
本书阐述文本数据挖掘的理论模型、实现算法和相关应用，主要内容包括：信息抽取和知识库构建、文本聚类、情感文本分析、热点发现、生物医学文本挖掘和多文档自动摘要等。写作风格力求言简意赅，深入浅出，通过实例说明实现相关任务的理论方法和技术思路，而不过多地涉及实现细节。本书可作为大学高年级本科生或研究生从事相关研究的入门文献，也可作为从事相关技术研发的开发人员的参考资料。
]
内容简介
[
本书阐述文本数据挖掘的理论模型、实现算法和相关应用，主要内容包括：信息抽取和知识库构建、文本聚类、情感文本分析、热点发现、生物医学文本挖掘和多文档自动摘要等。写作风格力求言简意赅，深入浅出，通过实例说明实现相关任务的理论方法和技术思路，而不过多地涉及实现细节。本书可作为大学高年级本科生或研究生从事相关研究的入门文献，也可作为从事相关技术研发的开发人员的参考资料。
]
作者简介
[
宗成庆，中国科学院自动化研究所研究员，博士生导师。主要从事自然语言处理、机器翻译和文本情感分析等相关研究，主持国家科研项目10余项，发表论文150余篇，出版专著一部、译著一部。2013年获国务院政府特殊津贴，2014年获钱伟长中文信息处理科学技术奖一等奖（第一获奖人），现为国际计算语言学委员会（ICCL）委员，2015年担任本领域国际顶级会议ACL-IJCNLP 程序委员会共同主席（PC Co-chair），是多个国际学术期刊的编委或副主编（Associate Editor）。
夏睿，南京理工大学副教授，硕士生导师。主要从事自然语言处理、机器学习、情感分析与观点挖掘等方面的研究工作，在领域顶级期刊和会议上（如IEEE TKDE、IEEE IS、INS、IPM、IJCAI、AAAI、ACL、COLING等）发表论文20余篇，曾任多个国际顶级会议和研讨会（如IJCAI、ACL、SENTIRE、WISDOM、MABSDA）的程序委员会委员和 Session Chair，并担任多个国际期刊（如IEEE TKDE、DMKD、IEEE IS、IEEE CIM、ACM TALIP、CogCom、JCST、计算机学报、自
]
目录
第 1章绪论 .1 1.1基本概念 1 1.2文本挖掘任务 .2 1.3文本挖掘面临的困难 .5 1.4方法概述与本书的内容组织 .7 1.5进一步阅读 .9第 2章数据预处理和标注 . 11 2.1数据获取 11 2.2数据预处理 . 15 2.3数据标注 17 2.4基本工具 19 2.4.1汉语自动分词与词性标注 19 2.4.2句法分析 . 20 2.4.3 n元语法模型 . 21 2.5进一步阅读 . 22第 3章文本表示 . 23 3.1向量空间模型 . 23 3.1.1向量空间模型的基本概念 23 3.1.2特征项的构造与权重 . 24 3.1.3文本长度规范化 . 25 3.1.4特征工程 . 26 3.1.5其他文本表示方法 27 3.2词的分布式表示 29 3.2.1神经网络语言模型 29 3.2.2 C&W模型 . 32 3.2.3 CBOW与 Skip-gram模型 34 3.2.4噪声对比估计与负采样 . 35 3.2.5字词混合的分布式表示方法 . 37 3.3短语的分布式表示 . 38 3.3.1基于词袋的分布式表示 . 39 3.3.2基于自动编码器的分布式表示 . 39 3.4句子的分布式表示 . 42 3.4.1通用的句子表示 . 42 3.4.2任务相关的句子表示 . 45 3.5文档的分布式表示 . 48 3.5.1通用的文档分布式表示 . 48 3.5.2任务相关的文档分布式表示 . 49 3.6进一步阅读 . 52第 4章文本分类 . 53 4.1概述 . 53 4.2传统文本表示 . 54 4.3特征选择 55 4.3.1互信息法 . 55 4.3.2信息增益法 58 4.3.3卡方统计量法 . 59 4.3.4其他方法 . 60 4.4传统分类算法 . 61 4.4.1朴素贝叶斯模型 . 61 4.4.2 Logistic回归、 Softmax回归与*大熵模型 . 63 4.4.3支持向量机 65 4.4.4集成学习 . 67 4.5深度神经网络方法 . 68 4.5.1多层前馈神经网络 68 4.5.2卷积神经网络 . 69 4.5.3循环神经网络 . 71 4.6文本分类性能评估 . 78 4.7进一步阅读 . 81第 5章文本聚类 . 83 5.1概述 . 83 5.2文本相似性度量 83 5.2.1样本间的相似性 . 83 5.2.2簇间的相似性 . 86 目录 IX 5.2.3样本与簇之间的相似性 . 87 5.3文本聚类算法 . 87 5.3.1 K-均值聚类 . 87 5.3.2单遍聚类 . 91 5.3.3层次聚类 . 92 5.3.4密度聚类 . 95 5.4性能评估 97 5.4.1外部标准 . 97 5.4.2内部标准 . 99 5.5进一步阅读 . 99第 6章主题模型 . 101 6.1概述 . 101 6.2潜在语义分析 . 102 6.2.1奇异值分解 102 6.2.2词项 -文档矩阵的奇异值分解 103 6.2.3词项和文档的概念表示及相似度计算 . 104 6.3概率潜在语义分析 . 106 6.3.1模型假设 . 106 6.3.2参数学习 . 107 6.4潜在狄利克雷分布 . 108 6.4.1模型假设 . 108 6.4.2词项和主题序列的联合概率 . 110 6.4.3模型推断 . 112 6.4.4新文档的推断 . 114 6.4.5 PLSA与 LDA的联系与区别 . 115 6.5进一步阅读 . 115第 7章情感分析与观点挖掘 117 7.1概述 . 117 7.2情感分析任务类型 . 118 7.2.1按目标形式划分 . 118 7.2.2按分析粒度划分 . 119 7.3文档或句子级情感分析方法 . 121 7.3.1基于规则的无监督情感分类 . 122 7.3.2基于传统机器学习的监督情感分类 . 123 7.3.3深度神经网络方法 126 文本数据挖掘 7.4词语级情感分析与情感词典构建 . 131 7.4.1基于语义知识库的方法 . 131 7.4.2基于语料库的方法 131 7.4.3情感词典性能评估 134 7.5属性级情感分析 134 7.5.1属性抽取 . 135 7.5.2属性情感分类 . 138 7.5.3主题与情感的生成式建模 141 7.6情感分析中的特殊问题 143 7.6.1情感极性转移问题 143 7.6.2领域适应问题 . 145 7.7进一步阅读 . 147第 8章话题检测与跟踪 . 149 8.1概述 . 149 8.2术语与任务 . 151 8.2.1术语 151 8.2.2任务 152 8.3报道或话题的表示与相似性计算 . 154 8.4话题检测 156 8.4.1话题在线检测 . 157 8.4.2话题回溯检测 . 158 8.5话题跟踪 159 8.6评估方法 160 8.7社交媒体话题检测与跟踪 . 161 8.7.1社交媒体话题检测 162 8.7.2社交媒体话题跟踪 163 8.8突发话题检测 . 163 8.8.1突发状态识别 . 164 8.8.2以文档为中心的方法：先检测话题后评估突发性 . 167 8.8.3以特征为中心的方法：先识别突发特征后生成突发话题 . 168 8.9进一步阅读 . 169第 9章信息抽取 . 171 9.1概述 . 171 9.2命名实体识别 . 173 9.2.1基于规则的命名实体识别方法 . 174 目录 XI 9.2.2有监督的命名实体识别方法 . 175 9.2.3半监督的命名实体识别方法 . 181 9.2.4命名实体识别方法评价 . 183 9.3共指消解 184 9.3.1基于规则的共指消解方法 185 9.3.2数据驱动的共指消解方法 187 9.3.3共指消解评价 . 190 9.4实体消歧 193 9.4.1基于聚类的实体消歧方法 193 9.4.2基于链接的实体消歧 . 197 9.4.3实体消歧任务的评价方法 203 9.5关系抽取 204 9.5.1基于离散特征的关系分类方法 . 206 9.5.2基于分布式特征的关系分类方法 212 9.5.3基于远程监督的关系分类方法 . 214 9.5.4关系分类性能评价 215 9.6事件抽取 215 9.6.1事件描述模板 . 215 9.6.2事件抽取方法 . 217 9.6.3事件抽取评价 . 224 9.7进一步阅读 . 224第 10章文本自动摘要 227 10.1概述 . 227 10.2抽取式自动摘要 228 10.2.1句子重要性评估 229 10.2.2基于约束的摘要生成方法 . 237 10.3压缩式自动摘要方法 238 10.3.1句子压缩方法 238 10.3.2基于句子压缩的自动摘要方法 242 10.4生成式自动摘要 244 10.4.1基于信息融合的生成式摘要方法 . 244 10.4.2基于编码 -解码的生成式摘要方法 249 10.5基于查询的自动摘要 251 10.5.1基于语言模型的相关性计算方法 . 251 10.5.2基于关键词语重合度的相关性计算方法 . 252 10.5.3基于图模型的相关性计算方法 252 10.6跨语言和多语言自动摘要方法 253 10.6.1跨语言自动摘要 253 10.6.2多语言自动摘要 256 10.7摘要质量评估方法和相关评测 258 10.7.1摘要质量评估方法 . 258 10.7.2相关评测活动 262 10.8进一步阅读 . 263参考文献 . 265名词术语索引 . 285
封面
书名:文本数据挖掘/宗成庆等
作者:宗成庆、夏睿、张家俊
页数:0
定价:¥75.0
出版社:清华大学出版社
出版日期:2019-05-01
ISBN:9787302519904
PDF电子书大小:89MB 高清扫描完整版