文本挖掘與Python實踐

　　本書從文本數(shù)據(jù)具有的特點以及文本挖掘具有的價值和意義開始，講解了文本數(shù)據(jù)的獲取和預處理的方法（包括中英文的文本預處理），給出了文本向量化表示方法。本書從統(tǒng)計機器學習方法和深度神經(jīng)網(wǎng)絡兩個角度，介紹了包括向量空間模型以及詞、句子和文檔級的分布式表示；針對文本分類問題，介紹了傳統(tǒng)文本分類方法、深度神經(jīng)網(wǎng)絡分類方法（多層感知機文本分類、卷積神經(jīng)網(wǎng)絡文本分類和循環(huán)神經(jīng)網(wǎng)絡文本分類）和文本分類的評價指標；針對文本聚類，包括文檔相似度度量方法，介紹了基于劃分、層次、密度的基礎性聚類算法，以及譜聚類等高級聚類方法和文本聚類的評價指標；在理論學習的基礎上，介紹了文本主題的挖掘技術，包括潛在語義分析、非負矩陣分解、概率潛在語義分析和潛在狄利克雷分布等；最后從文本內(nèi)容、主題和基于時間信息三個方面介紹了文本數(shù)據(jù)可視化的方法與工具。本書不僅對文本挖掘的相關理論模型進行了詳細的推理和全面介紹，而且在每個算法模型之后都會給出實例，在理論與實踐之間做了很好的平衡與銜接。

　　劉金花，1987年生，碩士，山西醫(yī)科大學汾陽學院講師。主要研究方向為機器學習、數(shù)據(jù)挖掘。