文本挖掘原理

《文本挖掘原理》

前言

第1章 文本挖掘概述

1.1 文本挖掘的产生背景

1.2 文本

1.2.1 文本格式

1.2.2 动态文本集

1.3 文本挖掘的概念

1.4 文本挖掘的任务

1.4.1 文本挖掘预处理

1.4.2 文本模式挖掘

1.4.3 挖掘结果可视化

1.5 文本挖掘系统的通用体系结构

第2章 文本表示

2.1 向量空间模型

2.2 概率模型

2.3 概念模型

2.4 特征生成

2.5 特征选择

2.6 特征抽取

.第3章 文本挖掘预处理——文本分类

3.1 文本分类的种类

3.2 文本分类的应用

3.3 文本分类的知识工程方法

3.4 文本分类的机器学习方法

3.5 bootstrapping算法

3.6 文本分类器的评价

第4章 文本挖掘预处理——文本聚类

4.1 聚类的任务

4.2 聚类的基本问题

4.3 聚类算法

4.4 文本聚类

第5章 文本挖掘核心操作——信息抽取

5.1信息抽取简介

5.2信息抽取任务

5.3信息抽取实例

5.4 信息抽取系统的体系结构

5.5 指代消解

5.6 规则学习

5.7视觉信息抽取

第6章 文本挖掘核心操作——关系抽取

6.1 实体关系抽取

6.2 web中的实体关系发现

6.3 实体关系发现的难点

6.4 基于社会网络的实体关系发现

6.5 实体包含关系的抽取

6.6 基于全信息的隐含的多实体关系抽取

6.7 基于核函数的实体关系抽取

6.8 基于混合概率模型的实体关系抽取系统——teg

第7章 文本挖掘核心操作——关联分析

7.1 实例——“9.11"劫机者

7.2 网络的自动布局算法

7.3 实体之间的关联路径

7.4 中心性

7.5 网络的分割

7.6 网络中的模式匹配

7.7 关联分析软件包

第8章 文本挖掘结果的可视化

8.1 浏览器

8.2 表示层

8.3 文本知识发现语言kdtl

8.4可视化方法

第9章 文本挖掘的应用

9.1行业分析器

9.2 专利分析解决方案

9.3 生物学路径信息挖掘

第10章 专门用于文本挖掘的信息抽取语言——dial

10.1 文本模式定义

10.2 基于dial的信息抽取

10.3 文本标注

10.4 概念和规则结构

10.5 模式匹配

10.6 模板元素

10.7 规则约束和概念保护

10.8 dial实例

参考文献