今天找词库找得很苦，非得要积分很麻烦，明明都是开源的。这里我下载了知网的开源情感词典和大连理工的开源情感词典，分享在这里，后面是提取地址，请大家走链接: https://pan.baidu.com/s/1GBn9TY1Fuggq-2SQJP5QVg 提取码: 8zyt

使用python对51job的招聘信息进行爬虫，使用python对职位信息输出词云，词频统计图，使用jieba库进行分词，然后使用gensim的word2vec进行词向量训练，然后使用sklearn的k-means算法进行聚类。压缩包内有代码，数据，简单的小论文文档，代码来源于网络，论文自己写的，水平一般。代码在anaconda的spyder开发环境可以正常运行。

整合文本挖掘的商务智能系统结构研究收集.pdf

第一章：引言 第二章：文本特征提取技术 第三章：文本检索技术 第四章：文本自动分类技术 第五章：文本自动聚类技术 第六章：话题检测跟踪技术 第七章：文本过滤技术 第八章：关联分析技术 第九章：文档自动摘要技术 第十章：信息抽取 第十一章：智能问答（QA）技术 第十二章：文本情感分析技术 第十三章：Ontology 第十四章：半结构化文本挖掘方法 第十五章：文本挖掘工具与应用

基于LSTM的文本挖掘

领域自适应文本挖掘工具（新词发现、情感分析、实体链接等），基于少量种子词和背景知识

文本挖掘工具，用于分析文本语境微博等。文本挖掘

日语文本挖掘示例代码这是使用报纸文章的日语文本挖掘的示例代码。您可以从 Internet 下载报纸文章并尝试使用朴素贝叶斯分类器进行分类、聚类等。 要执行示例代码，您需要单独安装“Simple Text Miner for Japanese”。 “Simple Text Miner for Japanese”可以从 MATLAB Central 下载。

对于文本挖掘的阅读笔记详细内容。社交媒体是一个自由表达自己观点和意见的平台，使交流比以前更加容易。这也为人们故意传播假新闻打开了机会。容易在网上获得各种新闻来源也带来了人们接触虚假新闻和可能相信这种新闻的问题。这使得我们在社交媒体上检测和标记此类内容变得非常重要。以目前社交媒体上生成新闻的速度，在不知道消息来源的情况下，很难区分真正的新闻和恶作剧。本文讨论了仅使用新闻文本的特征而不使用任何其他相关元数据来检测虚假新闻的方法。我们观察到通过集成方法将风格特征和基于文本的词向量表示相结合可以预测假新闻，准确率高达95.49%。

R 语言环境下的文本挖掘，文本挖掘被描述为 “自动化或半自动化处理文本的过程”，包含了文档聚类、文档分类、自 然语言处理、文体变化分析及网络挖掘等领域内容。 对于文本处理过程首先要拥有分析的语料（text corpus），比如报告、信函、出版物等。而 后根据这些语料建立半结构化的文本库（text database）。而后生成包含词频的结构化的词条 -文档矩阵（term-document matrix）。