第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:49
366KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:49
449KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:48
1.29MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:48
486KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:47
608KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:47
472KB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:46
6.85MB
第一章：引言（2学时）
第二章：文本特征提取技术（4学时）
第三章：文本检索技术（6学时）
第四章：文本自动分类技术（3学时）
第五章：文本自动聚类技术（3学时）
第六章：话题检测与追踪（3学时）
第七章：文本过滤技术（1.5学时）
第八章：关联分析技术（1.5学时）
第九章：文档自动摘要技术（3学时）
第十章：信息抽取（3学时）
第十一章：智能问答（QA）技术（1.5学时）
第十二章：Ontology（1.5学时）
第十三章：半结构化文本挖掘方法（1.5学时）
第十四章：文本挖掘工具与应用（1.5学时）
2021-08-15 13:15:46
1.1MB
12.1 应用场景
垃圾、邮件检测
语言种类检测
客户反馈分析、微博评论情感分析
…
12.2学习目标
在学习完本章后，您应能够：
解释什么是文本挖掘、如何使用文本挖掘，以及使用文本挖掘有哪些好处。
识别文本可能采取的各种格式，以便进行文本挖掘。
连接至文本，并将其导入为文本挖掘模型的数据来源。
在 RapidMiner 中开发一个文本挖掘模型，其中包括常用的文本操作符，例如tokenization、stop word filtering等。
对文本挖掘结果应用其他数据挖掘模型，以便根据文本分析结果预测或分类。
12.3文本挖掘概览
本章介绍文本分类。由于大部分交流信息以文本格式保存，文本分类是文本挖掘中的一个重要主题。我们将建立一个RapidMiner挖掘流程，来学习垃圾和我们实际想阅读的之间的区别。然后我们将应用此学习到的模型到新的中，来确定其是否为垃圾。垃圾是许多熟悉主题中的一种，自然地，我们由此就开始动手工作。用于垃圾分类的相同的技术可以在许多其他文本挖掘领域中使用。
以下为我们主要执行的挖掘步骤：
– 安装文本挖掘插件
– 加载数据集到 RapidMiner中
– 检查这些文本
– 处理这些文本
– 使用 Naïve Bayes 算法构造一个文本分类模型
– 验证模型
– 应用模型到未分类的数据中
2021-08-08 13:07:20
443KB