دانلود کتاب Machine Learning for Text – یادگیری ماشینی برای متن

توضیحات

This second edition textbook covers a coherently organized framework for text analytics, which integratesmaterial drawn from the intersecting topics of information retrieval, machine learning, andnatural language processing. Particular importance is placed on deep learning methods. Thechapters of this book span three broad categories:1. Basic algorithms: Chapters 1 through 7 discuss the classical algorithms for text analytics such as preprocessing, similarity computation, topic modeling, matrix factorization, clustering, classification, regression, and ensemble analysis.

2. Domain-sensitive learning and information retrieval: Chapters 8 and 9 discuss learning models in heterogeneous settings such as a combination of text with multimedia or Web links. The problem of information retrieval and Web search is also discussed in the context of its relationship with ranking and machine learning methods.

3. Natural language processing: Chapters 10 through 16 discuss various sequence-centric and natural language applications, such as feature engineering, neural language models, deep learning, transformers, pre-trained language models, text summarization, information extraction, knowledge graphs, question answering, opinion mining, text segmentation, and event detection.

Compared to the first edition, this second edition textbook (which targets mostly advanced level students majoring in computer science and math) has substantially morematerial on deep learning and natural language processing. Significant focus isplaced on topics like transformers, pre-trained language models, knowledge graphs,and question answering.

————————————————————–

ترجمه ماشینی :

این کتاب درسی ویرایش دوم یک چارچوب سازمان‌یافته منسجم برای تجزیه و تحلیل متن را پوشش می‌دهد که موادی را که از موضوعات متقاطع بازیابی اطلاعات، یادگیری ماشینی، و پردازش زبان طبیعی گرفته شده است، ادغام می‌کند. اهمیت ویژه ای به روش های یادگیری عمیق داده می شود. فصول این کتاب شامل سه دسته کلی است: 1. الگوریتم های پایه: فصل های 1 تا 7 الگوریتم های کلاسیک برای تجزیه و تحلیل متن مانند پیش پردازش، محاسبه شباهت، مدل سازی موضوع، فاکتورسازی ماتریس، خوشه بندی، طبقه بندی، رگرسیون، و تجزیه و تحلیل مجموعه را مورد بحث قرار می دهد.