آموزش دوره عملی متون‌کاوی و تحلیل داده‌های متنی - آخرین آپدیت

تدارکات دوره و ابزار متون‌کاوی مورد استفاده Course Logistics and the Text Mining Tool for the Course

• 1.1 شرح شرح‌نامه دوره، اهداف و دستاوردهای آموزشی 1.1 Description of the course including the objectives and outcomes

• 1.2 توضیحات مربوط به پکیج y TextMiner و مجموعه‌داده‌ها 1.2 Explanations of the y-TextMiner package and the datasets

• 1.3 راهنمای عملی: نصب و راه‌اندازی محیط کاری 1.3 How-to-do: workspace installation and setup

• 1.4 راهنمای استفاده از پکیج y TextMiner 1.4 How-to-use: the y-TextMiner package (download it at http://informatics.yonsei.ac.kr/yTextMiner/yTextMiner1.2.zip)

پیش‌پردازش متون Text Preprocessing

• 2.1 شرح ایده‌های احتمالی برای پروژه‌ها 2.1 Description of possible project ideas

• 2.2 متون‌کاوی چیست؟ 2.2 What is text mining?

• 2.3 شرح تکنیک‌های پیش‌پردازش 2.3 Description of preprocessing techniques

• 2.4 راهنمای عملی: نرمال‌سازی شامل توکن‌بندی و ریشه‌یابی (Lemmatization) 2.4 How-to-do: normalization including tokenization and lemmatization

• 2.5 راهنمای عملی: N-Grams 2.5 How-to-do: N-Grams

تکنیک‌های تحلیل متون Text Analysis Techniques

• 3.1 شرح حذف کلمات توقف (Stopwords)، ساقه سازی (Stemming) و برچسب‌گذاری POS 3.1 Description of stopword removal, stemming, and POS tagging

• 3.2 توضیحات مربوط به تشخیص موجودیت‌های نام‌گذاری شده (NER) 3.2 Explanations of named entity recognition

• 3.3 توضیحات مربوط به تجزیه وابستگی (Dependency Parsing) 3.3 Explanations of dependency parsing

• 3.4 راهنمای عملی: حذف کلمات توقف و ساقه سازی 3.4 How-to-do: stopword removal and stemming

• 3.5 راهنمای عملی: NER و برچسب‌گذاری POS 3.5 How-to-do: NER and POS Tagging

• 3.6 راهنمای عملی: تجزیه ساختاری و تجزیه وابستگی 3.6 How-to-do: constituency and dependency parsing

وزن‌دهی به کلمات و طبقه‌بندی اسناد Term Weighting and Document Classification

• 4.1 توضیحات مربوط به TF*IDF 4.1 Explanations of TF*IDF

• 4.2 توضیحات مربوط به طبقه‌بندی اسناد 4.2 Explanations of document classification

• 4.3 توضیحات مربوط به تحلیل احساسات 4.3 Explanations of sentiment analysis

• 4.4 راهنمای عملی: محاسبه وزن‌دهی tf*idf 4.4 How-to-do: computation of tf*idf weighting

• 4.5 راهنمای عملی: طبقه‌بندی با استفاده از رگرسیون لجستیک 4.5 How-to-do: classification with Logistic Regression

تحلیل احساسات Sentiment Analysis

• 5.1 توضیحات تحلیل احساسات با یادگیری با نظارت 5.1 Explanations of sentiment analysis with supervised learning

• 5.2 توضیحات تحلیل احساسات با یادگیری بدون نظارت 5.2 Explanations of sentiment analysis with unsupervised learning

• 5.3 توضیحات تحلیل احساسات با CoreNLP، LingPipe و SentiWordNet 5.3 Explanations of sentiment analysis with CoreNLP, LingPipe and SentiWordNet

• 5.4 راهنمای عملی: تحلیل احساسات با CoreNLP 5.4 How-to-do: sentiment analysis with CoreNLP

• 5.5 راهنمای عملی: تحلیل احساسات با LingPipe 5.5 How-to-do: sentiment analysis with LingPipe

• 5.6 راهنمای عملی: تحلیل احساسات با SentiWordNet 5.6 How-to-do: sentiment analysis with SentiWordNet

مدل‌سازی موضوعی Topic Modeling

• 6.1 شرح مدل‌سازی موضوعی 6.1 Description of Topic Modeling

• 6.2 توضیحات مربوط به LDA و DMR 6.2 Explanations of LDA and DMR

• 6.3 شرح مدل‌سازی موضوعی با Mallet 6.3 Description of Topic Modeling with Mallet

• 6.4 راهنمای عملی: LDA 6.4 How-to-do: LDA

• 6.5 راهنمای عملی: DMR 6.5 How-to-do: DMR