Leserbewertungen
Zusammenfassung:Das Buch wird für seine gründliche Behandlung von maschinellem Lernen und Deep Learning, insbesondere bei der Anwendung auf Text, gelobt. Es dient als hervorragende Ressource für Fachleute aus dem akademischen Bereich und der Industrie und bietet klare Erklärungen und intuitive Einblicke. Einige Rezensenten merken jedoch an, dass bestimmte Themen nicht einheitlich behandelt werden, und kritisieren, dass einige Abschnitte zu vage sind.
Vorteile:Umfassende Abdeckung von Methoden des maschinellen Lernens und des Deep Learning, klarer und intuitiver Schreibstil, sowohl für die Wissenschaft als auch für die Industrie geeignet, zahlreiche Einblicke, die verschiedene Konzepte miteinander verbinden, gut organisierter Inhalt, gute Balance zwischen Theorie und praktischer Anwendung.
Nachteile:Einige Bereiche werden nicht einheitlich abgedeckt, insbesondere mit einem Schwerpunkt auf Textklassifizierung gegenüber anderen Themen; einige Beschreibungen werden als relativ oberflächlich und vage angesehen, nicht als praktischer Programmierleitfaden geeignet.
(basierend auf 10 Leserbewertungen)
Originaltitel:
Machine Learning for Text
Inhalt des Buches:
Textanalytik ist ein Gebiet, das an der Schnittstelle von Information Retrieval, maschinellem Lernen und natürlicher Sprachverarbeitung liegt, und dieses Lehrbuch deckt sorgfältig einen kohärent organisierten Rahmen ab, der sich aus diesen sich überschneidenden Themen ergibt. Die Kapitel dieses Lehrbuchs sind in drei Kategorien gegliedert:
- Grundlegende Algorithmen:In den Kapiteln 1 bis 7 werden die klassischen Algorithmen für das maschinelle Lernen aus Texten wie Vorverarbeitung, Ähnlichkeitsberechnung, Themenmodellierung, Matrixfaktorisierung, Clustering, Klassifizierung, Regression und Ensemble-Analyse behandelt.
Kapitel 8 und 9 befassen sich mit den Methoden des Lernens aus Texten in Kombination mit verschiedenen Bereichen wie Multimedia und dem Web. Das Problem des Informationsabrufs und der Websuche wird auch im Zusammenhang mit Ranking- und maschinellen Lernmethoden diskutiert.
Sequenzzentriertes Mining: In den Kapiteln 10 bis 14 werden verschiedene sequenzzentrierte und natürlichsprachliche Anwendungen erörtert, z. B. Feature Engineering, neuronale Sprachmodelle, Deep Learning, Textzusammenfassung, Informationsextraktion, Opinion Mining, Textsegmentierung und Ereigniserkennung.
Dieses Lehrbuch deckt die Themen des maschinellen Lernens für Texte im Detail ab. Da es sehr umfangreich ist, können je nach Kursniveau mehrere Kurse mit demselben Buch angeboten werden. Obwohl die Darstellung textzentriert ist, werden in den Kapiteln 3 bis 7 Algorithmen des maschinellen Lernens behandelt, die häufig in anderen Bereichen als Textdaten verwendet werden. Daher kann das Buch verwendet werden, um Kurse nicht nur im Bereich der Textanalyse, sondern auch aus der breiteren Perspektive des maschinellen Lernens (mit Text als Hintergrund) anzubieten.
Dieses Lehrbuch richtet sich an Studenten der Informatik sowie an Forscher, Professoren und industrielle Praktiker, die in diesen verwandten Bereichen arbeiten. Das Lehrbuch wird von einem Lösungshandbuch für den Unterricht begleitet.
Weitere Daten des Buches:
| ISBN: | 9783030088071 |
| Autor: | |
| Verlag: | |
| Sprache: | Englisch |
| Einband: | Taschenbuch |
Kauf:
Derzeit verfügbar, auf Lager.
