توضیحات
Recent years have seen a dramatic growth of natural language text data, including web pages, news articles, scientific literature, emails, enterprise documents, and social media (such as blog articles, forum posts, product reviews, and tweets). This has led to an increasing demand for powerful software tools to help people manage and analyze vast amounts of text data effectively and efficiently. Unlike data generated by a computer system or sensors, text data are usually generated directly by humans, and capture semantically rich content. As such, text data are especially valuable for discovering knowledge about human opinions and preferences, in addition to many other kinds of knowledge that we encode in text. In contrast to structured data, which conform to well-defined schemas (thus are relatively easy for computers to handle), text has less explicit structure, requiring computer processing toward understanding of the content encoded in text. The current technology of natural language processing has not yet reached a point to enable a computer to precisely understand natural language text, but a wide range of statistical and heuristic approaches to management and analysis of text data have been developed over the past few decades. They are usually very robust and can be applied to analyze and manage text data in any natural language, and about any topic.
This book provides a systematic introduction to many of these approaches, with an emphasis on covering the most useful knowledge and skills required to build a variety of practically useful text information systems. Because humans can understand natural languages far better than computers can, effective involvement of humans in a text information system is generally needed and text information systems often serve as intelligent assistants for humans. Depending on how a text information system collaborates with humans, we distinguish two kinds of text information systems. The first is information retrieval systems which include search engines and recommender systems; they assist users in finding from a large collection of text data the most relevant text data that are actually needed for solving a specific application problem, thus effecively turning big raw text data into much smaller relevant text data that can be more easily processed by humans. The second is text mining application systems; they can assist users in analyzing patterns in text data to extract and discover useful actionable knowledge directly useful for task completion or decision making, thus providing more direct task support for users. This book covers the major concepts, techniques, and ideas in information retrieval and text data mining from a practical viewpoint, and includes many hands-on exercises designed with a companion software toolkit (i.e., MeTA) to help readers learn how to apply techniques of information retrieval and text mining to real-world text data and how to experiment with and improve some of the algorithms for interesting application tasks. This book can be used as a textbook for computer science undergraduates and graduates, library and information scientists, or as a reference book for practitioners working on relevant problems in managing and analyzing text data.
————————————————————–
ترجمه ماشینی :
سالهای اخیر شاهد رشد چشمگیر داده های متن زبان طبیعی ، از جمله صفحات وب ، مقالات خبری ، ادبیات علمی ، ایمیل ، اسناد سازمانی و رسانه های اجتماعی (مانند مقاله های وبلاگ ، پست های انجمن ، بررسی محصول و توییت) بوده است. این امر منجر به افزایش تقاضا برای ابزارهای نرم افزاری قدرتمند برای کمک به افراد در مدیریت و تجزیه و تحلیل مقادیر گسترده داده های متن به طور مؤثر و کارآمد شده است. بر خلاف داده های تولید شده توسط یک سیستم رایانه ای یا سنسورها ، داده های متن معمولاً توسط انسان تولید می شوند و محتوای معنایی غنی را ضبط می کنند. به همین ترتیب ، داده های متن به ویژه برای کشف دانش در مورد نظرات و ترجیحات انسان ، علاوه بر بسیاری از انواع دیگر دانش که در متن رمزگذاری می کنیم ، ارزشمند هستند. برخلاف داده های ساختاری ، که مطابق با طرح های به خوبی تعریف شده است (بنابراین برای رایانه ها نسبتاً آسان هستند) ، متن دارای ساختار صریح کمتری است و نیاز به پردازش رایانه به سمت درک محتوای رمزگذاری شده در متن دارد. فناوری فعلی پردازش زبان طبیعی هنوز به یک نقطه نرسیده است تا یک کامپیوتر بتواند متن زبان طبیعی را دقیقاً درک کند ، اما طیف گسترده ای از رویکردهای آماری و اکتشافی برای مدیریت و تجزیه و تحلیل داده های متن طی چند دهه گذشته توسعه یافته است. آنها معمولاً بسیار قوی هستند و می توانند برای تجزیه و تحلیل و مدیریت داده های متنی به هر زبان طبیعی و در مورد هر موضوع استفاده شوند.
این کتاب با تأکید بر پوشش مفیدترین دانش و مهارت های مورد نیاز برای ساختن انواع سیستم های اطلاعاتی متنی مفید ، یک مقدمه سیستماتیک برای بسیاری از این رویکردها فراهم می کند. از آنجا که انسان می تواند زبانهای طبیعی را به مراتب بهتر از رایانه ها درک کند ، درگیری مؤثر انسان در یک سیستم اطلاعات متنی به طور کلی مورد نیاز است و سیستم های اطلاعات متنی اغلب به عنوان دستیاران هوشمند برای انسان خدمت می کنند. بسته به نحوه همکاری یک سیستم اطلاعات متنی با انسان ، ما دو نوع سیستم اطلاعات متنی را متمایز می کنیم. اولین سیستم بازیابی اطلاعاتی است که شامل موتورهای جستجو و سیستم های پیشنهادی است. آنها به کاربران کمک می کنند تا از مجموعه بزرگی از داده های متن ، مناسب ترین داده های متنی که در واقع برای حل یک مشکل برنامه خاص مورد نیاز هستند ، پیدا کنند ، بنابراین به طور مؤثر داده های متن خام بزرگ را به داده های متنی بسیار کوچکتر تبدیل می کنند که می توانند توسط انسان راحت تر پردازش شوند. دوم سیستم های کاربردی معدن متن است. آنها می توانند به کاربران در تجزیه و تحلیل الگوهای موجود در داده های متن کمک کنند تا دانش عملی مفید را که مستقیماً برای تکمیل کار یا تصمیم گیری مفید است ، مفید یا کشف کنند ، بنابراین پشتیبانی مستقیم تری برای کاربران فراهم می کنند. این کتاب مفاهیم ، تکنیک ها و ایده های اصلی را در بازیابی اطلاعات و داده های کاوی متن از دیدگاه عملی پوشش می دهد ، و شامل بسیاری از تمرینات دستی است که با یک ابزار نرم افزاری همراه (یعنی متا) طراحی شده اند تا به خوانندگان کمک کند تا یاد بگیرند که چگونه تکنیک های استفاده کنند بازیابی اطلاعات و استخراج متن به داده های متن در دنیای واقعی و نحوه آزمایش و بهبود برخی از الگوریتم ها برای کارهای جالب برنامه. این کتاب می تواند به عنوان کتاب درسی برای دانشجویان و فارغ التحصیلان علوم کامپیوتر ، دانشمندان کتابخانه و اطلاعات یا به عنوان یک کتاب مرجع برای پزشکان که در زمینه مشکلات مربوطه در مدیریت و تجزیه و تحلیل داده های متن کار می کنند ، استفاده شود.
tag : دانلود کتاب مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن , Download مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن , دانلود مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن , Download Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining Book , مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن دانلود , buy مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن , خرید کتاب مدیریت و تجزیه و تحلیل داده های متن: مقدمه ای عملی برای بازیابی اطلاعات و استخراج متن , دانلود کتاب Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining , کتاب Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining , دانلود Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining , خرید Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining , خرید کتاب Text Data Management and Analysis: A Practical Introduction to Information Retrieval and Text Mining ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.