《Mining Text Data》阅读笔记---第1章 An Introduction to Text Mining

这是一本关于文本挖掘的很厚的英文电子书，看英文大部头，很容易边看边忘记。

1.An Introduction to Text Mining

1.1 介绍
文本挖掘的三个问题：
a. 主要的算法模型是什么？与其他数据挖掘的区别？
b. 有哪些可用的工具和技术？（模型是形而上的，技术是形而下的）
c. 有哪些关键的应用领域？

文本挖掘的特点：
a. 文本数据的高维度和稀疏性
b.文本数据可以在多层次进行分析，如单词，句，篇章，文本集合。
文本的语义表示很有用，如NER.

1.2 算法
本section介绍文本挖掘所覆盖的各种topic及其算法。
a. Information Extraction from Text Data:
   Information Extraction is one of the key problems of text mining, which serves as a starting
   point for many text mining algorithms.

b. Text Summarization:
   Another common function needed in many text mining applications is to summarize the text documents.

c. Unsupervised Learning Methods from Text Data:
The two main unsupervised learning methods commonly used in the context of text data are clustering and topic modeling.

d. LSI and Dimensionality Reduction for Text Mining:
representing the underlying data in compressed format for indexing and retrieval.
这点有点类似Text Summarization了。

e Supervised Learning Methods for Text Data

f. Transfer Learning with Text Data:
   用武之处： For example, labeled English documents are copious and easy to find. On the other hand, it is much
   harder to obtain labeled Chinese documents. 英语的实体库等如此open，的确是很大的机会去转移到中文上去。

g. Probabilistic Techniques for Text Mining:

h. Mining Text Streams:
文本数据类似音频流一样的输入，需要进行on-line连续处理，传统的off-line批处理不适用了。

i. Cross-Lingual Mining of Text Data:

j. Text Mining in Multimedia Networks:

k. Text Mining in Social Media:

l. Opinion Mining from Text Data:
这是最常见的应用了。

m. Text Mining from Biomedical Data:
这是在一个专业领域的应用了。

1.3 将来的方向
a. Scalable and robust methods for natural language understanding:
目前NLP的许多方法要scale to multiple domains比较困难，有监督学习对训练数据量的要求太高。

b. Domain adaptation and transfer learning
这也是解决有监督学习缺乏训练数据的问题。

c. Contextual analysis of text data:

d. Parallel text mining:

《Mining Text Data》阅读笔记---第1章 An Introduction to Text Mining相关推荐

《领域驱动设计》阅读笔记第1章消化知识
ddd小白,一篇章节便能激起了心中涟漪,感慨之初,记于笔下. 第1章消化知识用醍醐灌顶.茅塞顿开来形容此章短短的文字,实不为过. 简单介绍背景:旅游互联网,B2B,初创公司.产品设计-代码开发的 ...
深入理解 C 指针阅读笔记 -- 第六章
Chapter6.h #ifndef __CHAPTER_6_ #define __CHAPTER_6_/*<深入理解C指针>学习笔记 -- 第六章*/typedef struct __p ...
深入理解 C 指针阅读笔记 -- 第五章
Chapter5.h #ifndef __CHAPTER_5_ #define __CHAPTER_5_/*<深入理解C指针>学习笔记 -- 第五章*//*不应该修改的字符串就应该用 co ...
深入理解 C 指针阅读笔记 -- 第四章
Chapter4.h #ifndef __CHAPTER_4_ #define __CHAPTER_4_/*<深入理解C指针>学习笔记 -- 第四章*//*指针数组 -- 意思就是这是一个 ...
深入理解 C 指针阅读笔记 -- 第三章
Chapter3.h #ifndef __CHAPTER_3_ #define __CHAPTER_3_/*<深入理解C指针>学习笔记 -- 第三章*//*它们都保存在栈中的什么位置?*/ ...
《图解TCP/IP》阅读笔记（第九章）—— 网络安全相关
第九章网络安全本章旨在介绍互联网中网络安全的重要性及其相关的实现技术. 本章的内容在我看来,并没有前几章那么重要,大概有所了解就好. 9.1 TCP/IP与网络安全起初,TCP/IP只用于一个相 ...
TextDragon: An End-to-End Framework for Arbitrary Shaped Text Spotting阅读笔记
摘要本文提出一种用来制造文本检测与识别关系的可微运算RoISlide,使模型成为端到端模型.本文在两个弯曲文本数据集CTW1500和Total-Text上的表现达到最佳,在常规文本数据集ICDAR2 ...
文本检测论文阅读笔记之 Pixel-Anchor: A Fast Oriented Scene Text Detector with Combined Networks
Pixel-Anchor: A Fast Oriented Scene Text Detector with Combined Networks 摘要:最近语义分割和通用对象检测框架已被场景广泛采用文 ...
《机器学习》阅读笔记第三章
Contents 1. 不同学科中的线性模型[^1] 2. 线性模型:回归任务 2.1 估计方法 2.2 正则化 2.3 广义线性模型 3. 线性模型:分类任务 3.1 对数几率回归线性判别分析(L ...

《Mining Text Data》阅读笔记---第1章 An Introduction to Text Mining

《Mining Text Data》阅读笔记---第1章 An Introduction to Text Mining相关推荐

最新文章

热门文章