توضیحات
Text analytics is a field that lies on the interface of information retrieval,machine learning, and natural language processing, and this textbook carefully covers a coherently organized framework drawn from these intersecting topics. The chapters of this textbook is organized into three categories: – Basic algorithms: Chapters 1 through 7 discuss the classical algorithms for machine learning from text such as preprocessing, similarity computation, topic modeling, matrix factorization, clustering, classification, regression, and ensemble analysis. – Domain-sensitive mining: Chapters 8 and 9 discuss the learning methods from text when combined with different domains such as multimedia and the Web. The problem of information retrieval and Web search is also discussed in the context of its relationship with ranking and machine learning methods. – Sequence-centric mining: Chapters 10 through 14 discuss various sequence-centric and natural language applications, such as feature engineering, neural language models, deep learning, text summarization, information extraction, opinion mining, text segmentation, and event detection. This textbook covers machine learning topics for text in detail. Since the coverage is extensive,multiple courses can be offered from the same book, depending on course level. Even though the presentation is text-centric, Chapters 3 to 7 cover machine learning algorithms that are often used indomains beyond text data. Therefore, the book can be used to offer courses not just in text analytics but also from the broader perspective of machine learning (with text as a backdrop). This textbook targets graduate students in computer science, as well as researchers, professors, and industrial practitioners working in these related fields. This textbook is accompanied with a solution manual for classroom teaching.
————————————————————–
ترجمه ماشینی :
تجزیه و تحلیل متن زمینه ای است که در رابط بازیابی اطلاعات، یادگیری ماشینی و پردازش زبان طبیعی قرار دارد و این کتاب درسی به دقت چارچوب سازمان یافته منسجمی را که از این موضوعات متقاطع استخراج شده است، پوشش می دهد. فصلهای این کتاب در سه دسته سازماندهی شده است: – الگوریتمهای پایه: فصلهای 1 تا 7 الگوریتمهای کلاسیک یادگیری ماشین از متن مانند پیش پردازش، محاسبه شباهت، مدلسازی موضوع، فاکتورسازی ماتریس، خوشهبندی، طبقهبندی، رگرسیون و تجزیه و تحلیل مجموعه را مورد بحث قرار میدهند. . – کاوی حساس به دامنه: فصل های 8 و 9 روش های یادگیری از متن را هنگامی که با حوزه های مختلف مانند چند رسانه ای و وب ترکیب می شوند، مورد بحث قرار می دهند. مشکل بازیابی اطلاعات و جستجوی وب نیز در زمینه ارتباط آن با روش های رتبه بندی و یادگیری ماشین مورد بحث قرار می گیرد. – کاوی توالی محور: فصل های 10 تا 14 کاربردهای مختلف زبان های توالی محور و طبیعی، مانند مهندسی ویژگی، مدل های زبان عصبی، یادگیری عمیق، خلاصه سازی متن، استخراج اطلاعات، نظر کاوی، تقسیم بندی متن، و تشخیص رویداد را مورد بحث قرار می دهند. این کتاب درسی به تفصیل موضوعات یادگیری ماشینی را برای متن پوشش می دهد. از آنجایی که پوشش گسترده است، بسته به سطح دوره می توان چندین دوره را از همان کتاب ارائه داد. اگرچه ارائه متن محور است، فصل های 3 تا 7 الگوریتم های یادگیری ماشینی را پوشش می دهند که اغلب در دامنه های داخلی فراتر از داده های متنی استفاده می شوند. بنابراین، این کتاب می تواند برای ارائه دوره هایی نه تنها در تجزیه و تحلیل متن، بلکه از دیدگاه گسترده تر یادگیری ماشین (با متن به عنوان پس زمینه) استفاده شود. این کتاب درسی دانشجویان فارغ التحصیل رشته علو
tag : دانلود کتاب یادگیری ماشینی برای متن , Download یادگیری ماشینی برای متن , دانلود یادگیری ماشینی برای متن , Download Machine Learning for Text Book , یادگیری ماشینی برای متن دانلود , buy یادگیری ماشینی برای متن , خرید کتاب یادگیری ماشینی برای متن , دانلود کتاب Machine Learning for Text , کتاب Machine Learning for Text , دانلود Machine Learning for Text , خرید Machine Learning for Text , خرید کتاب Machine Learning for Text ,
نقد و بررسیها
هنوز بررسیای ثبت نشده است.