文本挖掘
排序：
自己动手写分布式搜索引擎
清华大学出版社 · 2017
本书是一部面向 Java 开发者的分布式搜索引擎开发实战教程，围绕“原理、代码与开源框架”三条主线展开。全书先从搜索引擎的基本模块讲起，说明网络爬虫、全文索引、搜索用户界面、分布式计算与文本挖掘各自承担的职责，并补齐开发中常用的折半查找、排序、最小生成树等算法基础，以及开发环境、软件工具与单元测试的…
物质、物质性与历史书写：科学史的新机遇
上海人民出版社 · 2025
本书脱胎于2023年德国马普科学史研究所所长薛凤与美国普林斯顿大学科学史教授柯安哲在浙江大学「梁启超纪念讲座」讲授的八次课程，由刘东主持评议，吴秀杰、王蓉译成中文。全书从梁启超与李约瑟关于科学与历史的两种提问方式出发，勾勒科学与人文学之间既对立又纠缠的发展脉络，并把目光从观念与理论转向上个世纪以来逐…
quantsp研究计划书
《quantsp研究计划书》是一份以量化投资与金融信息处理为主题的研究计划文本，网络上流传的版本指向“开发一种类似AZFinText的中文金融新闻文本挖掘系统”这一研究方向。作者设想以海量中文财经资讯为语料，通过即时文本挖掘提取与股价相关的信息，并据此对股票走势进行预测，再结合常见的量化投资策略构建…
NLTK基础教程：用NLTK和Python库构建机器学习应用
人民邮电出版社 · 2017
本书是印度数据科学家尼廷·哈登尼亚（Nitin Hardeniya）所著《NLTK Essentials》的中文译本，由人民邮电出版社自美国 Packt Publishing 引进出版，凌杰翻译，全书约153页，共10章。 全书以 Python 生态中最经典的自然语言处理工具库 NLTK 为主线，讲…
Python自然语言处理
人民邮电出版社 · 2019
《Python自然语言处理》是人民邮电出版社“Python自然语言处理”系列引进版，中文书名即《Python和NLTK自然语言处理》。全书由尼天·哈登尼亚、雅各布·帕金斯、迪蒂·乔普拉、尼什·斯乔希、伊提·摩突罗合著，译者林赐。全书以Python 3和NLTK 3为主要工具，按三个模块展开：模块1讲…
文本挖掘：基于R语言的整洁工具
机械工业出版社 · 2018
本书由tidytext包的两位开发者Julia Silge与David Robinson合著，系统介绍如何用“整洁数据”原则工具来做文本挖掘。全书共9章：先讲整洁文本格式，即一行一个词条（token）的数据框结构，介绍unnest_tokens函数、以简·奥斯汀作品为例的文本整理以及gutenber…
Python文本分析
机械工业出版社 · 2018
《Python文本分析》由印度数据科学家迪潘简·撒卡尔（Dipanjan Sarkar）撰写，闫龙川、高德荃、李君婷翻译，2018年由机械工业出版社引进出版，属于“数据科学与工程技术丛书”，原书名为 Text Analytics with Python: A Practical Real-World…
NLTK基础教程——用NLTK和Python库构建机器学习应用
人民邮电出版社 · 2017
本书是 Packt 出版社《NLTK Essentials》的中文译本，面向已经掌握一点 Python、又想尽快把 NLTK 用起来的读者。全书共 10 章，篇幅紧凑（中文版约 153 页），走的是「边做边学」的路线：第 1 章从 NLP 的基本概念与 Python 基本功（列表、字典、正则表达式、…
Java机器学习
人民邮电出版社 · 2017
本书是面向 Java 开发者的机器学习入门读物。书中先交代机器学习与数据科学的基本概念，讲清一个问题什么时候适合交给机器学习来解决，以及从数据收集、清洗、缺失值填补、异常值处理到特征变换与归约的完整前置流程；随后梳理 Java 生态里可用的机器学习库与平台，包括 Weka、Apache Mahout…
Python和NLTK自然语言处理
人民邮电出版社 · 2019
NLTK 是自然语言处理领域中应用最广泛的 Python 库之一，其最大特点是简单：许多复杂的自然语言处理任务，往往几行代码就能实现。本书由三本 Packt 技术书的精编内容合并而成，以一本学习指南的形式、分三个模块讲述如何用 Python 与 NLTK 解决各类自然语言处理任务，并在此基础上开发机…
数据产品经理必修课：从零经验到令人惊艳
电子工业出版社 · 2018
该书由李鑫编著，2018年3月由电子工业出版社出版，是面向数据产品岗位新人的入门与进阶读物。全书共分四部分：第一部分从产品经理的职业演变讲起，梳理产品经理的前世今生与入行路径，说明从技术岗、业务岗或应届生进入产品领域的几种可能，以及上岗后如何读产品全图、行业全图与产业全图；第二部分回到历史，用人口普…
R语言与网络舆情处理
清华大学出版社 · 2018
本书以R语言为工具，把网络舆情分析视为一条完整的技术流程：先采集舆情数据，再做文本预处理，接着进行分类、聚类、关联规则挖掘，最后对舆情指标做预测。全书共8章。第1章交代网络舆情的基本概念、特征、表现形式与分析技术概况；第2章用较少篇幅补足R语言基础，包括数据类型与结构、数据读写、描述性统计、分支与循…
自然语言处理：原理与技术实现
电子工业出版社 · 2016
本书以 Java 为实现语言，系统讲解自然语言处理从底层文本处理到上层应用的主要环节，强调“先讲原理、再给出代码实现”的写作方式。全书可分三部分。第一部分为入门与技术背景，介绍开发环境、规则方法与统计方法的分野、计算框架、文本挖掘与语义资源等基础，并说明 NLP 岗位的能力要求与学习路径。第二部分聚…
数据仓库与数据挖掘
北京大学出版社 · 2025
本书系统介绍数据仓库原理、联机分析处理、数据仓库设计与开发、数据仓库的决策支持应用，数据挖掘原理、信息论的决策树方法、集合论的粗糙集方法、关联规则、公式发现、神经网络、遗传算法、文本挖掘与Web挖掘，以及数据仓库与数据挖掘的发展。本书可用作高院校教材，也可以作为相关专业科研和工程技术人员的参考书。
主题模型与文本知识发现应用研究
华东师范大学出版社 · 2018
《主题模型与文本知识发现应用研究》以科技文献文档、网络新闻文本、用户UGC文本等三种不同类型的文本作为知识发现的研究对象，结合每种文本的特点，设计有针对性的知识发现方法和流程。研究的主要内容包括：如何用主题模型揭示不同类型文本的潜在主题；如何从深层次理解和揭示文本的潜在主题；如何展示文本不同层次的潜…
当代小说诗论
上海人民出版社 · 2025
尝试着用“诗论”的方式来刷新文学批评的观念、形式和文体，不失为一次有意义的冒险。 所谓文学批评，其实并非评判，更像是一种挖掘，一种对话和交谈，一种自我清理与启悟。借助他人的文字，来呈现一己的沉思。 《当代小说诗论》 分为“前辈们” 和“同代人”上下两编，上编评贾平凹、刘震云、韩少功等出生于1960年…
大数据背景下的Web层次化话题检测与跟踪关键技术研究及应用
电子工业出版社 · 2023
在Web文本挖掘、网络信息智能分析与大数据技术不断发展的背景下，作为网络中的一种流式资源，Web 新闻的数量正呈现爆炸式的增长态势，而产生这种情形的根源是社会上不断发生突发事件。针对Web新闻所具有的多维特征，研究大数据背景下的Web层次化话题检测与跟踪关键技术，是一个具有实际意义的研究方向。 通过…
基于注疏文献的孟子信息处理研究
· 2025
《基于注疏文献的《孟子》信息处理研究》为作者主持的国家社会科学基金项目“基于注疏文献的先秦汉语语料信息处理研究”（项目批准号：15BYY096）阶段性成果。 《基于注疏文献的《孟子》信息处理研究》主要以《孟子》及《孟子注疏》《孟子集注》《孟子正义》等《孟子》相关注疏文献为资源，对比《论语》《左传》等…
个性化需求驱动的产品服务方案设计理论与方法
上海交通大学出版社 · 2022
本书针对制造企业服务转型中产品服务设计的难点与痛点，提出了系统的产品服务方案设计框架和流程，并在使用服务质量功能展开、服务TRIZ、服务蓝图等方法的基础上，结合智能文本挖掘、用户画像、复杂网络分析、神经网络等智能技术，实现了更加准确和高效的产品服务需求识别、产品服务需求优先级分析、产品服务需求映射与…
在线文本数据挖掘：算法原理与编程实现
电子工业出版社 · 2021
为了满足大数据环境下网络运营与管理的需求，本书详细而系统地介绍了有关文本分析的核心技术与方法。 本书基于统计分析、数据挖掘、机器学习等计算机技术，介绍了如何对在线环境的文本内容进行建模与分析，同时介绍了文本分析技术的具体应用场景。本书并非是纯粹的技术类书籍，而是一本教授读者如何更好地应用技术的实践手…