Sie sind hier: Startseite » EDV / Informatik

Machine Learning for Text

Machine Learning for Text.
Urheber: Aggarwal, Charu C.
Verlag: Springer International Publishing.
25,4 x 17,8 cm. 4 Abbildungen, farbig, 76 Abbildungen, schwarz-weiß, 7 Tabellen, farbig . Seiten: 493.
ISBN-13: 9783030088071.
Erscheinungsdatum: 01.02.2019

Textanalytik ist ein Bereich, der auf der Schnittstelle von Informationsbeschaffung, maschinellem Lernen und natürlicher Sprachverarbeitung liegt, und dieses Lehrbuch deckt sorgfältig einen kohärent organisierten Rahmen ab, der aus diesen sich überschneidenden Themen besteht. Die Kapitel dieses Lehrbuchs sind in drei Kategorien unterteilt: - Grundlegende Algorithmen: Die Kapitel 1 bis 7 behandeln die klassischen Algorithmen für das maschinelle Lernen aus Texten wie Vorverarbeitung, Ähnlichkeitsberechnung, Themenmodellierung, Matrixfaktorisierung, Clustering, Klassifizierung, Regression und Ensembleanalyse. - Domänen-sensitives Mining: In den Kapiteln 8 und 9 werden die Lernmethoden aus dem Text in Kombination mit verschiedenen Bereichen wie Multimedia und Web behandelt. Das Problem der Informationsbeschaffung und der Websuche wird auch im Zusammenhang mit der Beziehung zwischen Ranking und maschinellen Lernmethoden diskutiert. - Sequenzzentriertes Mining: Die Kapitel 10 bis 14 behandeln verschiedene sequenzzentrierte und natürlichsprachliche Anwendungen, wie Feature Engineering, neuronale Sprachmodelle, Deep Learning, Textzusammenfassung, Informationsextraktion, Opinion Mining, Textsegmentierung und Ereigniserkennung. Dieses Lehrbuch behandelt maschinelles Lernen für Texte im Detail. Da die Abdeckung umfangreich ist, können je nach Kursstufe mehrere Kurse aus demselben Buch angeboten werden. Auch wenn die Präsentation textzentriert ist, behandeln die Kapitel 3 bis 7 Algorithmen des maschinellen Lernens, die häufig in Indomänen über Textdaten hinaus verwendet werden. Daher kann das Buch genutzt werden, um Kurse nicht nur in der Textanalyse, sondern auch aus der breiteren Perspektive des maschinellen Lernens (mit Text als Hintergrund) anzubieten. Dieses Lehrbuch richtet sich an Doktoranden der Informatik sowie an Forscher, Professoren und Industriepraktiker, die in diesen verwandten Bereichen arbeiten. Dieses Lehrbuch wird von einem Lösungshandbuch für den Klassenunterricht begleitet.

Inhalt:
Data Mining
Künstliche Intelligenz
Wissensbasierte Systeme, Expertensysteme


maschinelles Lernen; Mining-Textdaten; Deep Learning; Suchmaschinen; Informationsextraktion; Matrixfaktorisierung; Informationsbeschaffung; Meinungsforschung; Data Mining; wiederkehrendes neuronales Netzwerk; Textklassifizierung; Textanalytik; Dimensionalitätsreduktion; natürliche Sprachverarbeitung; Textclustering; Textmining; Textmining; Word2vecec