Merkzettel Warenkorb

Gutscheinbedingungen

**Gültig bis 10.06.2026 / Gültig für gebrauchte Bücher / Mindestbestellwert 20,00 € / Einzelne Artikel können ausgeschlossen sein / Online auf www.bücher.de.de / Nicht kombinierbar mit anderen Gutscheinen oder Preisaktionen / Nur einmal pro Einkauf einlösbar / Gutschein wird auf max. 500€ Bestellwert angerechnet / Keine Barauszahlung / Nicht gültig für Versandkosten und Services
  • Produktbild: Text Analytics
  • Produktbild: Text Analytics

Text Analytics An Introduction to the Science and Applications of Unstructured Information Analysis

219,99 €

inkl. gesetzl. MwSt., Versandkostenfrei

Lieferung nach Hause

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

06.05.2022

Abbildungen

farbige Illustrationen, Zeichnungen, schwarz-weiss, Zeichnungen, farbig, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

230

Maße (L/B/H)

24/16,1/1,9 cm

Gewicht

520 g

Sprache

Englisch

ISBN

978-1-03-224979-7

Beschreibung

Produktdetails

Einband

Gebundene Ausgabe

Erscheinungsdatum

06.05.2022

Abbildungen

farbige Illustrationen, Zeichnungen, schwarz-weiss, Zeichnungen, farbig, Tabellen, schwarz-weiss

Verlag

Taylor & Francis

Seitenzahl

230

Maße (L/B/H)

24/16,1/1,9 cm

Gewicht

520 g

Sprache

Englisch

ISBN

978-1-03-224979-7

Herstelleradresse

Libri GmbH
Europaallee 1
36244 Bad Hersfeld
DE

Email: gpsr@libri.de

Kundinnen und Kunden meinen

0 Bewertungen

Informationen zu Bewertungen

Zur Abgabe einer Bewertung ist eine Anmeldung im Konto notwendig. Die Authentizität der Bewertungen wird von uns nicht überprüft. Wir behalten uns vor, Bewertungstexte, die unseren Richtlinien widersprechen, entsprechend zu kürzen oder zu löschen.

Die Bewertungen sind nach Format, Anzahl Sterne und Datum sortiert.

Verfassen Sie die erste Bewertung zu diesem Artikel

Helfen Sie anderen Kund*innen durch Ihre Meinung

Kundinnen und Kunden meinen

0 Bewertungen filtern
Die Leseprobe wird geladen.
  • Produktbild: Text Analytics
  • Produktbild: Text Analytics

  • 1 TEXT ANALYTICS. 1.1 INTRODUCTION 1.2 TEXT MINING AND TEXT ANALYTICS 1.3 TASKS AND APPLICATIONS 1.4 THE TEXT ANALYTICS PROCESS 1.5 SUMMARY 1.6 QUESTIONS 2 NATURAL-LANGUAGE PROCESSING 2.1 INTRODUCTION 2.2 THE SCOPE OF NATURAL-LANGUAGE PROCESSING 2.3 NLP LEVELS AND TASKS 2.3.1 Phonology 2.3.2 Morphology 2.3.3 Lexicon 2.3.4 Syntax 2.3.5 Semantic 2.3.6 Reasoning and Pragmatics 2.1 SUMMARY 2.2 EXERCISES 2.2.1 Morphological Analysis 2.2.2 Lexical Analysis 2.2.3 Syntactic Analysis 3 INFORMATION EXTRACTION 3.1 INTRODUCTION 3.2 RULE-BASED INFORMATION EXTRACTION 3.3 NAMED-ENTITY RECOGNITION 3.3.1 N-Gram Models 3.4 RELATION EXTRACTION 3.5 EVALUATION 3.1 SUMMARY 3.2 EXERCISE 3.2.1 Regular Expressions 3.2.2 Named-Entity Recognition 4 DOCUMENT REPRESENTATION 4.1 INTRODUCTION 4.2 DOCUMENT INDEXING 4.3 VECTOR SPACE MODELS 4.3.1 Boolean Representation Model 4.3.2 Term Frequency Model 4.3.3 Inverse Document Frequency Model 4.1 SUMMARY 4.2 EXERCISES 4.2.1 TFxIDF Representation Model 5 ASSOCIATION RULES MINING 5. INTRODUCTION 5.2 ASSOCIATION PATTERNS 5.3 EVALUATION 5.3.1 Support 5.3.2Confidence 5.3.3 Lift 5.4 ASSOCIATION RULES GENERATION 5.1 SUMMARY 5.2 EXERCISES 5.2.1 Extraction of Association Rules 6 CORPUS-BASED SEMANTIC ANALYSIS 6.1 INTRODUCTION 6.2 CORPUS-BASED SEMANTIC ANALYSIS 6.3 LATENT SEMANTIC ANALYSIS 6.3.1 Creating Vectors with LSA 6.4 WORD2VEC 6.4.1 Embedding Learning 6.4.2 Prediction and Embeddings Interpretation 6.1 SUMMARY 6.2 EXERCISES 6.2.1 Latent Semantic Analysis 6.2. Word Embedding with Word2Vec 7 DOCUMENT CLUSTERING 7.1 INTRODUCTION 7.2 DOCUMENT CLUSTERING 7.3K-MEANS CLUSTERING 7.4 SELF-ORGANIZING MAP 7.4.1Topological Maps Learning 7.1 SUMMARY 7.2 EXERCISES 7.2.1 K-means Clustering 7.2.2 Self-Organizing Maps 8 TOPIC MODELING 8.1 INTRODUCTIO 8.2TOPIC MODELING 8.3 LATENT DIRICHLET ALLOCATION 8.4 EVALUATION 8.1 SUMMARY 8.2 EXERCISES 8.2.1 Modeling Topics with LDA 9 DOCUMENT CATEGORIZATION 9.1INTRODUCTION 9.2 CATEGORIZATION MODELS 9.3 BAYESIAN TEXT CATEGORIZATION 9.4 MAXIMUM ENTROPY CATEGORIZATION 9.5 EVALUATION 9.1 SUMMARY 9.2 EXERCISES 9.2.1 Naïve Bayes Categorization 9.2.2 MaxEnt Categorization