預測性文本挖掘基礎

推薦序
譯者序
前言
第1章 文本挖掘概述
1.1 文本挖掘有什么特別之處？
1.1.1 結構化或非結構化數據？
1.1.2 文本數據是否不同于數值數據？
1.2 文本挖掘可以解決什么類型的問題？
1.3 文本分類
1.4 信息檢索
1.5 文檔聚類與組織
1.6 信息提取
1.7 預測與評估
1.8 下章內容
1.9 小結
1.10 歷史與文獻評述
1.11 問題與練習
第2章 從文本信息到數值向量
2.1 文檔收集
2.2 文檔標準化
2.3 標記化
2.4 詞形轉化
2.4.1 詞干變形
2.4.2 化詞干為詞根
2.5 預測向量生成
2.5.1 多詞特征
2.5.2 正確答案的標簽
2.5.3 通過屬性分級選擇特征
2.6 語句邊界確定
2.7 詞性標簽化
2.8 詞義消歧
2.9 短語識別
2.10 命名實體識別
2.11 語法分析
2.12 特征生成
2.13 小結
2.14 歷史與文獻評述
2.15 課后練習
第3章 用文本進行預測
3.1 識別文檔符合模式
3.2 需要多少文檔才可以滿足預測需求？
3.3 文檔分類
3.4 從文本中學習預測
3.4.1 相似性與最近鄰法
3.4.2 文檔相似性
3.4.3 決策規(guī)則
3.4.4 決策樹
3.4.5 概率估計
3.4.6 線性評分方法
3.5 性能評估
3.5.1 當前與未來的性能估計
3.5.2 從學習方法中獲取最大收益
3.6 應用
3.7 小結
3.8 歷史與文獻評述
3.9 問題與練習
第4章 信息檢索和文本挖掘
第5章 文檔集的結構發(fā)現(xiàn)
第6章 在文檔中查詢信息
第7章 面向預測的數據源：數據庫、混雜數據與Web
第8章 實例分析
第9章 新研究方向
附錄A 軟件說明
參考文獻
作者索引
主題索引