文本数据挖掘（第2版）

第 1章绪论 1

11基本概念 1

12文本挖掘任务 2

13文本挖掘面临的困难 5

14方法概述与本书的内容组织 8

15进一步阅读 10

习题 11

第 2章数据预处理和标注 12

21概述 12

22数据获取 12

23数据预处理 16

24数据标注 18

25基本工具 20

251汉语自动分词与词性标注 20

252句法分析 22

253 n元语法模型 23

26进一步阅读 24

习题 24

第 3章文本表示 25

31概述 25

32向量空间模型 25

321向量空间模型的基本概念 25

322特征项的构造与权重 26

323文本长度规范化 27

324特征工程 28

325其他文本表示方法 30

33词的分布式表示 31

文本数据挖掘 (第 2版)

331神经网络语言模型 32

332 C&W模型 36

333 CBOW与 Skip-gram模型 38

334噪声对比估计与负采样 39

335字词混合的分布式表示方法 41

34短语的分布式表示 43

341基于词袋的分布式表示 43

342基于自动编码器的分布式表示 43

35句子的分布式表示 46

351通用的句子表示 46

352任务相关的句子表示 49

36文档的分布式表示 52

361通用的文档分布式表示 53

362任务相关的文档分布式表示 55

37进一步阅读 56

习题 57

第 4章预训练语言模型 58

41概述 58

42 ELMo：源自语言模型的语境化分布式向量表示 58

421基于双向 LSTM的语言模型 59

422适应下游任务的语境化 ELMo词向量 60

43 GPT：生成式预训练模型 61

431 Transformer62

432 GPT预训练 63

433 GPT微调 64

44 BERT：双向 Transformer编码表示 65

441 BERT预训练 66

442 BERT微调 68

443 XLNet:广义自回归预训练模型 68

444 UniLM 71

45进一步阅读 72

习题 72

第 5章文本分类 74

51概述 74

52传统文本表示 75

目录 XI

53特征选择 76

531互信息法 76

532信息增益法 79

533卡方统计量法 80

534其他方法 81

54传统分类算法 82

541朴素贝叶斯模型 82

542 logistic回归、 softmax回归与熵模型 84

543支持向量机 86

544集成学习 88

55深度神经网络方法 89

551基于前馈神经网络的文本分类方法 89

552基于卷积神经网络的文本分类方法 89

553基于循环神经网络的文本分类方法 91

56文本分类性能评估 94

57进一步阅读 97

习题 97

第 6章文本聚类 99

61概述 99

62文本相似性度量 99

621样本间的相似性 100

622簇间的相似性 102

623样本与簇之间的相似性 103

63文本聚类算法 103

631 K-均值聚类 103

632单遍聚类 107

633层次聚类 108

634密度聚类 111

64性能评估 113

641外部标准 113

642内部标准 115

65进一步阅读 115

习题 116

第 7章主题模型 117

71概述 117

文本数据挖掘 (第 2版)

72潜在语义分析 118

721词项-文档矩阵的奇异值分解 118

722词项和文档的概念表示及相似度计算 121

73概率潜在语义分析 123

731模型假设 123

732参数学习 124

74潜在狄利克雷分布 125

741模型假设 125

742词项和主题序列的联合概率 127

743模型推断 129

744新文档的推断 131

745 PLSA与 LDA的联系与区别 132

75进一步阅读 132

习题 133

第 8章情感分析与观点挖掘 135

81概述 135

82情感分析任务类型 136

821按目标形式划分 136

822按分析粒度划分 137

83文档或句子级情感分析方法 139

831基于规则的无监督情感分类 140

832基于传统机器学习的监督情感分类 141

833深度神经网络方法 144

84词语级情感分析与情感词典构建 146

841基于语义知识库的方法 147

842基于语料库的方法 147

843情感词典性能评估 149

85属性级情感分析 150

851属性抽取 150

852属性情感分类 153

853主题与情感的生成式建模 157

86情感分析中的特殊问题 159

861情感极性转移问题 159

862领域适应问题 160

87文本情绪分析 163

871心理学情绪理论 163

目录 XIII

872文本情绪识别 163

873情绪原因挖掘 165

88进一步阅读 167

习题 168

第 9章话题检测与跟踪 170

91概述 170

92术语与任务 172

921术语 172

922任务 173

93报道或话题的表示与相似性计算 175

94话题检测 177

941话题在线检测 177

942话题回溯检测 179

95话题跟踪 179

96评估方法 181

97社交媒体话题检测与跟踪 182

971社交媒体话题检测 182

972社交媒体话题跟踪 184

98突发话题检测 184

981突发状态识别 185

982以文档为中心的方法 187

983以特征为中心的方法 188

99进一步阅读 190

习题 190

第 10章信息抽取 191

101概述 191

102命名实体识别 193

1021基于规则的命名实体识别方法 194

1022基于有监督学习的命名实体识别方法 195

1023半监督的命名实体识别方法 201

1024命名实体识别方法评价 203

103共指消解 204

1031基于规则的共指消解方法 205

1032数据驱动的共指消解方法 207

1033共指消解评价 210

文本数据挖掘 (第 2版)

104实体消歧 213

1041基于聚类的实体消歧方法 213

1042基于链接的实体消歧 217

1043实体消歧任务的评价方法 223

105关系抽取 224

1051基于离散特征的关系分类方法 226

1052基于分布式特征的关系分类方法 232

1053基于远程监督的关系分类方法 234

1054关系分类性能评价 235

1055知识图谱 235

106事件抽取 236

1061事件描述模板 236

1062事件抽取方法 238

1063事件抽取评价 245

1064事理图谱 245

107进一步阅读 246

习题 247

第 11章文本自动摘要 248

111概述 248

112抽取式自动摘要 249

1121句子重要性评估 250

1122基于约束的摘要生成方法 258

113压缩式自动摘要方法 259

1131句子压缩方法 259

1132基于句子压缩的自动摘要方法 263

114理解式自动摘要 265

1141基于信息融合的生成式摘要方法 265

1142基于编码-解码的生成式摘要方法 270

115基于查询的自动摘要 272

1151基于语言模型的相关性计算方法 272

1152基于关键词语重合度的相关性计算方法 273

1153基于图模型的相关性计算方法 273

116跨语言和多语言自动摘要方法 274

1161跨语言自动摘要 274

1162多语言自动摘要 277

目录 XV

117摘要质量评估方法和相关评测 279

1171摘要质量评估方法 279

1172相关评测活动 283

118进一步阅读 285

习题 285

第 12章技术应用 288

121概述 288

122电子病历分析与挖掘系统 289

1221任务目标 289

1222数据准备和标注 290

1223系统实现 292

123多语言政策法规分析与挖掘系统 300

1231任务目标 300

1232数据采集和标注 301

1233系统实现 302

习题 302

参考文献 303

名词术语索引 327