reklama - zainteresowany?

Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics - Helion

Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics
ebook
Autor: Mariusz DzieciÄ…tko, Dominik Spinczyk
ISBN: 978-8-3011-8686-9
stron: 204, Format: ebook
Data wydania: 2016-06-16
Księgarnia: Helion

Cena książki: 47,20 zł (poprzednio: 58,27 zł)
Oszczędzasz: 19% (-11,07 zł)

Dodaj do koszyka Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics

Tagi: Inne

SAS Text Analytics to uniwersalna platforma zaspokajajÄ…ca potrzeby informacyjne w organizacji do wydobywania i zarzÄ…dzania informacjÄ… dostÄ™pnÄ… w różnego rodzaju dokumentach tekstowych.
MożliwoÅ›ci omówionych w książce narzÄ™dzi i zaimplementowanych algorytmów zostaÅ‚y zilustrowane na przykÅ‚adach zbiorów danych z różnych dziedzin: zbioru krótkich wypowiedzi dotyczÄ…cych sportu, pogody i zwierzÄ…t, zbioru opisów radiologicznych badaÅ„ diagnostycznych jamy brzusznej oraz zbioru opinii użytkowników na temat telefonów z forów użytkowników.

Dodaj do koszyka Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics

 

Osoby które kupowały "Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics", wybierały także:

  • Windows Media Center. Domowe centrum rozrywki
  • Przywództwo w Å›wiecie VUCA. Jak być skutecznym liderem w niepewnym Å›rodowisku
  • Mapa Agile & Scrum. Jak si
  • Sztuka podst
  • Lean dla bystrzaków. Wydanie II

Dodaj do koszyka Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics

Spis treści

Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics eBook -- spis treści

Wykaz oznaczeń


Wykaz skrótów


Wprowadzenie


Część I. Wprowadzenie do eksploracji danych tekstowych


1. Trendy w rozwoju systemów informatycznych eksploracji danych

2. Metody eksploracji danych tekstowych
2.1. Przebieg analizy dokumentu tekstowego i charakterystyka stosowanych metod
2.2. OkreÅ›lenie celu, zakresu i kosztów analizy
2.3. PrzeksztaÅ‚cenie zbioru dokumentów źródÅ‚owych
2.3.1. Informacja o czÄ™stoÅ›ci wystÄ™powania poszczególnych terminów
2.3.2. Postać ustrukturyzowana
2.4. Wybór metody obliczeniowej


3. Architektura oprogramowania do eksploracji danych tekstowych na przykładzie pakietu SAS Text Analytics firmy SAS Institute
3.1. Rozpoczęcie pracy z programem Enterprise Miner (Text Miner)
3.1.1. Tworzenie nowego projektu i biblioteki
3.1.2. Tworzenie diagramów analizy danych
3.1.3. OkreÅ›lanie źródÅ‚a danych projektu
3.2. Metodyka SEMMA
3.2.1. Etap Próbkowanie
3.2.2. Etap Eksploracja
3.2.3. Etap Modyfikacja
3.2.4. Etap Modelowanie
3.2.5. Etap Ocena
3.3. Text Miner – etapy przetwarzania
3.4. Text Miner – komponenty
3.4.1. Właściwości węzła Klastrowanie tekstu
3.4.2. Właściwości węzła Filtrowanie tekstu
3.4.3. Właściwości węzła Import tekstu
3.4.4. Właściwości węzła Parsowanie tekstu
3.4.5. Właściwości węzła Profil tekstu
3.4.6. Właściwości węzła Generator reguł tekstu
3.4.7. Właściwości węzła Temat tekstu
3.5. Przykład: Klasteryzacja zbioru zdań
3.5.1. Konfiguracja diagramu przepływu danych
3.5.2. Konfiguracja poszczególnych wÄ™zÅ‚ów i interpretacja wyników
3.5.3. Podsumowanie

Część II. Przetwarzanie informacji zawartej w dokumencie tekstowym


4. Wybór funkcji wagujÄ…cej macierzy czÄ™stoÅ›ci wystÄ™powania terminów
4.1. Wagi częstości
4.2. Wagi wyrażenia
4.3. Przykład obliczeniowy
4.4. Podsumowanie


5. Redukcja wymiarowoÅ›ci macierzy czÄ™stoÅ›ci wystÄ™powania terminów
5.1. Analiza semantyczna zmiennych ukrytych
5.1.1. Rozkład SVD
5.1.2. Przykład obliczeniowy rozkładu SVD
5.2. Podsumowanie


6. Wybór algorytmu klastrowania dokumentów tekstowych
6.1. OkreÅ›lenie miary podobieÅ„stwa grupy dokumentów
6.2. Algorytmy klastrowania
6.3. Grupowanie za pomocÄ… wÄ™zÅ‚a Klastrowanie tekstów
6.3.1. WÄ™zeÅ‚ Klastrowanie tekstu – algorytm Hierarchiczny
6.3.2. WÄ™zeÅ‚ Klastrowanie tekstu – algorytm Maksymalizacja oczekiwaÅ„
6.3.3. WÄ™zeÅ‚ Klastrowanie tekstu – wÅ‚aÅ›ciwość Terminy opisowe
6.4. Grupowanie za pomocą węzła Temat tekstu
6.4.1. Tematy definiowane przez użytkownika
6.5. Posumowanie


7. Zarys metodyki tworzenia modeli predykcyjnych oraz porównywania zdolnoÅ›ci predykcyjnych modeli
7.1. Tworzenie modelu predykcyjnego
7.2. Ocena błędu klasyfikacji
7.2.1. Krzywe ROC
7.2.2. Wykresy wzrostu
7.3. PrzykÅ‚ad: Użycie wÄ™zÅ‚a Importowanie tekstu oraz porównywanie modeli predykcyjnych
7.3.1. Konfiguracja diagramu przepÅ‚ywu danych oraz poszczególnych wÄ™zÅ‚ów
7.4. Podsumowanie


8. Klastrowanie dokumentów nadzorowane przez użytkownika
8.1. Charakterystyka węzła Generator reguł tekstu
8.2. Podsumowanie


Część III. Wydobywanie i organizacja wiedzy z dokumentów tekstowych w instytucji


9. Zarys zagadnień związanych z wydobywaniem i organizacją wiedzy w instytucji
9.1. Wprowadzenie
9.1.1. SAS Crawler
9.1.2. SAS Search and Indexing
9.1.3. SAS Information Retrival Studio
9.2. Podsumowanie


10. Klasyfikacja dokumentów
10.1. SAS Content Categorization Studio
10.1.1. Metody klasyfikacji dokumentów dostÄ™pne w SAS CCS
10.1.2. Wydobywanie konceptów dostÄ™pne w SAS CCS
10.1.3. Wydobywanie kontekstu dostępne w SAS CCS
10.1.4. Zakładanie nowego projektu
10.1.5. Metodyka planowania projektu
10.1.6. Tworzenie nowej kategorii
10.1.7. Zasady używania kategoryzatora statystycznego
10.1.8. Zasady używania kategoryzatora generującego reguły automatycznie
10.1.9. Zasady używania kategoryzatora bazującego na regułach
10.1.10. Praca z konceptami
10.2. PrzykÅ‚ad: Zastosowania klasyfikacji dokumentów w celu wspomagania diagnostyki w departamencie radiodiagnostyki
10.3. Podsumowanie


11. Analiza sentymentu
11.1. SAS Sentiment Analysis Studio
11.1.1. Metoda oceny sentymentu dla dokumentu
11.1.2. Zakładanie nowego projektu
11.1.3. Testowanie istniejÄ…cych modeli
11.1.4. Tworzenie modeli hybrydowych
11.1.5. SAS Sentiment Analysis Server
11.2. PrzykÅ‚ad analizy sentymentu użytkowników telefonów komórkowych
11.3. Podsumowanie


Część IV. Inne zagadnienia przetwarzania dokumentów tekstowych


12. Inne elementy przetwarzania danych tekstowych
12.1. Porównywanie dokumentów za pomocÄ… metryk
12.1.1. Odległość kosinusowa
12.1.2. Metryka Jaccarda
12.2. Wydobywanie jednostek specjalnych z dokumentów


Słownik pojęć związanych z eksploracją danych tekstowych


Dodatek A: Podstawy obsługi środowiska SAS i językGL
A.1. Wprowadzenie do obsługi systemu SAS
A.1.1. Struktura zbioru danych SAS
A.1.2. Formaty i informaty
A.2. JęzykGL
A.2.1. Blok typu DATA STEP
A.2.2. Blok typu PROC STEP


Dodatek B: Podstawy języka makr
B.1. Makrozmienne
B.2. Makroprogramy
Dodatek C: Wizualna interpretacja danych
C.1. PrzeglÄ…d typów wykresów stosowanych dla danych tekstowych


Bibliografia


Indeks pojęć


Spis rysunków


Spis tabel

Dodaj do koszyka Text Mining: metody, narzędzia i zastosowania. Wykorzystanie SAS Text Analytics

Code, Publish & WebDesing by CATALIST.com.pl



(c) 2005-2024 CATALIST agencja interaktywna, znaki firmowe należą do wydawnictwa Helion S.A.