文本挖掘技术-北京大学计算机科学技术研究所.pdf

文本挖掘技术(2013春) 复习 文本挖掘技术 杨建武 北京大学计算机科学技术研究所 Email:yangjw@ 1 课程主要内容  第一章：引言（2学时）  第二章：文本特征提取技术（4学时）  第三章：文本检索技术（6学时）  第四章：文本自动分类技术（3学时）  第五章：文本自动聚类技术（3学时）  第六章：话题检测追踪技术（3学时）  第七章：文本过滤技术（3学时）  第八章：关联分析技术（1学时）  第九章：文档自动摘要技术（2学时）  第十章：信息抽取 （3学时）  第十一章：智能问答（QA ）技术（3学时）  第十二章：文本情感分析技术（3学时）  第十三章：Ontology技术（3学时）  第十四章：半结构化文本挖掘方法（1.5学时）  第十五章：文本挖掘工具与应用（1.5学时） 2 文本挖掘的概念  “文本挖掘”  Text Mining,  Text Data Mining,  Knowledge Discovery in Text,  Knowledge Discovery in Textual Data(bases)  Text mining mainly is about somehow extracting the information and knowledge from text  对KDD定义进行扩展, 文本挖掘是从大量文本数 据中抽取隐含的，未知的，可能有用的信息。 3 文本挖掘模型结构示意图 文本分析 特征提取 检 索 浏览 分词 用 数字处理 特征词 分 类 户 及权重 界 文 日期处理 面 结果 用 本 名字识别 关键词 聚 类 源 词性标注 摘要 过 滤 结 户 果 特定信息 展 文本结构 抽取 TDT 示 分析 检索 4 语言理解系统 面向不同应用 语篇结构/ 理解 有不同的形式 命题网