文本數(shù)據(jù)挖掘（第2版）

定　價：￥99.00

作　者：	宗成慶、夏睿、張家俊
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302612957	出版時間：	2022-11-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　文本數(shù)據(jù)挖掘是通過機器學習、自然語言處理和推理等相關(guān)技術(shù)或方法，理解、分析和挖掘文本的內(nèi) 容，從而完成信息抽取、關(guān)系發(fā)現(xiàn)、熱點預測、文本分類和自動摘要等具體任務(wù)的信息處理技術(shù)?！段谋緮?shù)據(jù)挖掘（第2版）》主要介紹與文本數(shù)據(jù)挖掘有關(guān)的基本概念、理論模型和實現(xiàn)算法，包括數(shù)據(jù)預處理、文本表示、文本分類、文本聚類、主題模型、情感分析與觀點挖掘、話題檢測與跟蹤、信息抽取以及文本自動摘要等，后通過具體實例展示相關(guān)技術(shù)在實際應(yīng)用中的使用方法?！段谋緮?shù)據(jù)挖掘（第2版）》書可作為高等院校計算機、自動化、網(wǎng)絡(luò)安全、大數(shù)據(jù)分析等專業(yè)，以及利用到文本信息處理的交叉學科（如金融財經(jīng)、社會人文、生物醫(yī)藥等）的高年級本科生或研究生從事相關(guān)研究的入門參考書，也可供相關(guān)技術(shù)研發(fā)人員閱讀和參考。

作者簡介

　　宗成慶，中國科學院自動化所研究員、博士生導師，中國科學院大學崗位教授，ACL/CAAI/CCF Fellow，主要從事自然語言處理、機器翻譯和語言認知計算等研究，主持國家項目10余項，發(fā)表論文200余篇，出版《統(tǒng)計自然語言處理》、《文本數(shù)據(jù)挖掘》和Text Data Mining三部專著及兩部譯著。擔任國際計算語言學委員會（ICCL）委員，中國中文信息學會副理事長，曾任亞洲自然語言處理學會（AFNLP）主席，國際一流學術(shù)會議ACL’2015和COLING’2020程序委員會主席、ACL’2021大會主席。榮獲國家科技進步獎二等獎和多個省部級及國家一級學會的科技獎勵，獲得北京市優(yōu)秀教師、中科院優(yōu)秀導師和國科大李佩教學名師等若干榮譽。享受國務(wù)院特殊津貼。張家俊，中國科學院自動化研究所研究員、中國科學院大學崗位教授、博士生導師，主要研究方向為機器翻譯和自然語言處理，獲得國家優(yōu)秀青年科學基金資助，入選中國科協(xié)首屆青年人才托舉工程、中國科學院青年創(chuàng)新促進會優(yōu)秀會員和北京智源青年科學家。發(fā)表CCF-A/B類論文80余篇，出版學術(shù)專著2部，譯著1部。獲得中國中文信息學會錢偉長中文信息處理科學技術(shù)獎一等獎、青年創(chuàng)新獎一等獎和2020年北京市科學技術(shù)獎一等獎等。擔任中國中文信息學會青年工作委員會主任和機器翻譯專委會副主任。擔任ACL/EMNLP/COLING的（資深）領(lǐng)域主席和《自動化學報》等期刊的編委。夏睿，南京理工大學計算機學院教授、博士生導師，研究領(lǐng)域為人工智能、自然語言處理、文本數(shù)據(jù)挖掘，在國內(nèi)外重要期刊和會議發(fā)表論文60余篇，出版學術(shù)專著2部，主持國家和省部級項目近10項，獲得國際計算語言學會年會ACL2019杰出論文獎、中國中文信息學會青年創(chuàng)新獎一等獎等榮譽，獲得江蘇省杰出青年基金資助。

圖書目錄

第 1章緒論 1
11基本概念 1
12文本挖掘任務(wù) 2
13文本挖掘面臨的困難 5
14方法概述與本書的內(nèi)容組織 8
15進一步閱讀 10
習題 11
第 2章數(shù)據(jù)預處理和標注 12
21概述 12
22數(shù)據(jù)獲取 12
23數(shù)據(jù)預處理 16
24數(shù)據(jù)標注 18
25基本工具 20
251漢語自動分詞與詞性標注 20
252句法分析 22
253 n元語法模型 23
26進一步閱讀 24
習題 24
第 3章文本表示 25
31概述 25
32向量空間模型 25
321向量空間模型的基本概念 25
322特征項的構(gòu)造與權(quán)重 26
323文本長度規(guī)范化 27
324特征工程 28
325其他文本表示方法 30
33詞的分布式表示 31
文本數(shù)據(jù)挖掘 (第 2版)
331神經(jīng)網(wǎng)絡(luò)語言模型 32
332 C&W模型 36
333 CBOW與 Skip-gram模型 38
334噪聲對比估計與負采樣 39
335字詞混合的分布式表示方法 41
34短語的分布式表示 43
341基于詞袋的分布式表示 43
342基于自動編碼器的分布式表示 43
35句子的分布式表示 46
351通用的句子表示 46
352任務(wù)相關(guān)的句子表示 49
36文檔的分布式表示 52
361通用的文檔分布式表示 53
362任務(wù)相關(guān)的文檔分布式表示 55
37進一步閱讀 56
習題 57
第 4章預訓練語言模型 58
41概述 58
42 ELMo：源自語言模型的語境化分布式向量表示 58
421基于雙向 LSTM的語言模型 59
422適應(yīng)下游任務(wù)的語境化 ELMo詞向量 60
43 GPT：生成式預訓練模型 61
431 Transformer62
432 GPT預訓練 63
433 GPT微調(diào) 64
44 BERT：雙向 Transformer編碼表示 65
441 BERT預訓練 66
442 BERT微調(diào) 68
443 XLNet:廣義自回歸預訓練模型 68
444 UniLM 71
45進一步閱讀 72
習題 72
第 5章文本分類 74
51概述 74
52傳統(tǒng)文本表示 75
目錄 XI
53特征選擇 76
531互信息法 76
532信息增益法 79
533卡方統(tǒng)計量法 80
534其他方法 81
54傳統(tǒng)分類算法 82
541樸素貝葉斯模型 82
542 logistic回歸、 softmax回歸與熵模型 84
543支持向量機 86
544集成學習 88
55深度神經(jīng)網(wǎng)絡(luò)方法 89
551基于前饋神經(jīng)網(wǎng)絡(luò)的文本分類方法 89
552基于卷積神經(jīng)網(wǎng)絡(luò)的文本分類方法 89
553基于循環(huán)神經(jīng)網(wǎng)絡(luò)的文本分類方法 91
56文本分類性能評估 94
57進一步閱讀 97
習題 97
第 6章文本聚類 99
61概述 99
62文本相似性度量 99
621樣本間的相似性 100
622簇間的相似性 102
623樣本與簇之間的相似性 103
63文本聚類算法 103
631 K-均值聚類 103
632單遍聚類 107
633層次聚類 108
634密度聚類 111
64性能評估 113
641外部標準 113
642內(nèi)部標準 115
65進一步閱讀 115
習題 116
第 7章主題模型 117
71概述 117
文本數(shù)據(jù)挖掘 (第 2版)
72潛在語義分析 118
721詞項-文檔矩陣的奇異值分解 118
722詞項和文檔的概念表示及相似度計算 121
73概率潛在語義分析 123
731模型假設(shè) 123
732參數(shù)學習 124
74潛在狄利克雷分布 125
741模型假設(shè) 125
742詞項和主題序列的聯(lián)合概率 127
743模型推斷 129
744新文檔的推斷 131
745 PLSA與 LDA的聯(lián)系與區(qū)別 132
75進一步閱讀 132
習題 133
第 8章情感分析與觀點挖掘 135
81概述 135
82情感分析任務(wù)類型 136
821按目標形式劃分 136
822按分析粒度劃分 137
83文檔或句子級情感分析方法 139
831基于規(guī)則的無監(jiān)督情感分類 140
832基于傳統(tǒng)機器學習的監(jiān)督情感分類 141
833深度神經(jīng)網(wǎng)絡(luò)方法 144
84詞語級情感分析與情感詞典構(gòu)建 146
841基于語義知識庫的方法 147
842基于語料庫的方法 147
843情感詞典性能評估 149
85屬性級情感分析 150
851屬性抽取 150
852屬性情感分類 153
853主題與情感的生成式建模 157
86情感分析中的特殊問題 159
861情感極性轉(zhuǎn)移問題 159
862領(lǐng)域適應(yīng)問題 160
87文本情緒分析 163
871心理學情緒理論 163
目錄 XIII
872文本情緒識別 163
873情緒原因挖掘 165
88進一步閱讀 167
習題 168
第 9章話題檢測與跟蹤 170
91概述 170
92術(shù)語與任務(wù) 172
921術(shù)語 172
922任務(wù) 173
93報道或話題的表示與相似性計算 175
94話題檢測 177
941話題在線檢測 177
942話題回溯檢測 179
95話題跟蹤 179
96評估方法 181
97社交媒體話題檢測與跟蹤 182
971社交媒體話題檢測 182
972社交媒體話題跟蹤 184
98突發(fā)話題檢測 184
981突發(fā)狀態(tài)識別 185
982以文檔為中心的方法 187
983以特征為中心的方法 188
99進一步閱讀 190
習題 190
第 10章信息抽取 191
101概述 191
102命名實體識別 193
1021基于規(guī)則的命名實體識別方法 194
1022基于有監(jiān)督學習的命名實體識別方法 195
1023半監(jiān)督的命名實體識別方法 201
1024命名實體識別方法評價 203
103共指消解 204
1031基于規(guī)則的共指消解方法 205
1032數(shù)據(jù)驅(qū)動的共指消解方法 207
1033共指消解評價 210
文本數(shù)據(jù)挖掘 (第 2版)
104實體消歧 213
1041基于聚類的實體消歧方法 213
1042基于鏈接的實體消歧 217
1043實體消歧任務(wù)的評價方法 223
105關(guān)系抽取 224
1051基于離散特征的關(guān)系分類方法 226
1052基于分布式特征的關(guān)系分類方法 232
1053基于遠程監(jiān)督的關(guān)系分類方法 234
1054關(guān)系分類性能評價 235
1055知識圖譜 235
106事件抽取 236
1061事件描述模板 236
1062事件抽取方法 238
1063事件抽取評價 245
1064事理圖譜 245
107進一步閱讀 246
習題 247
第 11章文本自動摘要 248
111概述 248
112抽取式自動摘要 249
1121句子重要性評估 250
1122基于約束的摘要生成方法 258
113壓縮式自動摘要方法 259
1131句子壓縮方法 259
1132基于句子壓縮的自動摘要方法 263
114理解式自動摘要 265
1141基于信息融合的生成式摘要方法 265
1142基于編碼-解碼的生成式摘要方法 270
115基于查詢的自動摘要 272
1151基于語言模型的相關(guān)性計算方法 272
1152基于關(guān)鍵詞語重合度的相關(guān)性計算方法 273
1153基于圖模型的相關(guān)性計算方法 273
116跨語言和多語言自動摘要方法 274
1161跨語言自動摘要 274
1162多語言自動摘要 277
目錄 XV
117摘要質(zhì)量評估方法和相關(guān)評測 279
1171摘要質(zhì)量評估方法 279
1172相關(guān)評測活動 283
118進一步閱讀 285
習題 285
第 12章技術(shù)應(yīng)用 288
121概述 288
122電子病歷分析與挖掘系統(tǒng) 289
1221任務(wù)目標 289
1222數(shù)據(jù)準備和標注 290
1223系統(tǒng)實現(xiàn) 292
123多語言政策法規(guī)分析與挖掘系統(tǒng) 300
1231任務(wù)目標 300
1232數(shù)據(jù)采集和標注 301
1233系統(tǒng)實現(xiàn) 302
習題 302
參考文獻 303
名詞術(shù)語索引 327