Practical Text Analytics / Anandarajan, Murugan  

Público ISBD Ningún comentario para este título. Título : Practical Text Analytics : Maximizing the Value of Text Data Tipo de documento: documento electrónico Autores: Anandarajan, Murugan, ; Hill, Chelsey, ; Nolan, Thomas, Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2019 Número de páginas: XXVIII, 285 p. 265 ilustraciones, 157 ilustraciones en color. ISBN/ISSN/DL: 978-3-319-95663-3 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Investigación cuantitativa  Servicios de información empresarial  Estadísticas  Análisis de datos y Big Data  Sistemas de Información Empresarial  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros Clasificación: 1.422 Resumen: Este libro presenta el análisis de texto como un método valioso para obtener información a partir de datos de texto. A diferencia de otras publicaciones de análisis de texto, Practical Text Analytics: Maximizing the Value of Text Data hace que los conceptos técnicos sean accesibles para quienes no tienen una amplia experiencia en el campo. Al utilizar el análisis de texto, las organizaciones pueden obtener información de contenidos como correos electrónicos, documentos y redes sociales. Practical Text Analytics se divide en cinco partes. La primera parte presenta el análisis de texto, analiza la relación con el análisis de contenido y proporciona una descripción general de la metodología de minería de texto. En la segunda parte, los autores analizan la práctica del análisis de texto, incluida la preparación de datos y el proceso de planificación general. La tercera parte cubre técnicas de análisis de texto como análisis de conglomerados, modelos de temas y aprendizaje automático. En la cuarta parte del libro, los lectores aprenden sobre las técnicas utilizadas para comunicar conocimientos a partir del análisis de texto, incluida la narración de datos. La parte final de Practical Text Analytics ofrece ejemplos de la aplicación de programas de software para análisis de texto, que permiten a los lectores extraer sus propios datos de texto para descubrir información. Nota de contenido: Chapter 1. Introduction to Text Analytics -- Chapter 2. Fundamentals of Content Analysis -- Chapter 3. Text Analytics Roadmap -- Chapter 4. Text Pre-Processing -- Chapter 5. Term-Document Representation -- Chapter 6. Semantic Space Representation and Latent Semantic Analysis -- Chapter 7. Cluster Analysis: Modeling Groups in Text -- Chapter 8. Probabilistic Topic Models -- Chapter 9. Classification Analysis: Machine Learning Applied to Text -- Chapter 10. Modeling Text Sentiment: Learning and Lexicon Models -- Chapter 11. Storytelling Using Text Data -- Chapter 12. Visualizing Results -- Chapter 13. Sentiment Analysis of Movie Reviews using R -- Chapter 14. Latent Semantic Analysis (LSA) in Python -- Chapter 15. Learning-Based Sentiment Analysis using RapidMiner -- Chapter 16. SAS Visual Text Analytics. Tipo de medio : Computadora Summary : This book introduces text analytics as a valuable method for deriving insights from text data. Unlike other text analytics publications, Practical Text Analytics: Maximizing the Value of Text Data makes technical concepts accessible to those without extensive experience in the field. Using text analytics, organizations can derive insights from content such as emails, documents, and social media. Practical Text Analytics is divided into five parts. The first part introduces text analytics, discusses the relationship with content analysis, and provides a general overview of text mining methodology. In the second part, the authors discuss the practice of text analytics, including data preparation and the overall planning process. The third part covers text analytics techniques such as cluster analysis, topic models, and machine learning. In the fourth part of the book, readers learn about techniques used to communicate insights from text analysis, including data storytelling. The final part of Practical Text Analytics offers examples of the application of software programs for text analytics, enabling readers to mine their own text data to uncover information. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Practical Text Analytics : Maximizing the Value of Text Data [documento electrónico] / Anandarajan, Murugan, ; Hill, Chelsey, ; Nolan, Thomas,  . -  1 ed.  . - [s.l.] : Springer, 2019 . - XXVIII, 285 p. 265 ilustraciones, 157 ilustraciones en color. ISBN : 978-3-319-95663-3 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Idioma : Inglés (eng) Palabras clave: Investigación cuantitativa  Servicios de información empresarial  Estadísticas  Análisis de datos y Big Data  Sistemas de Información Empresarial  Estadística en Negocios  Gestión  Economía  Finanzas  Seguros Clasificación: 1.422 Resumen: Este libro presenta el análisis de texto como un método valioso para obtener información a partir de datos de texto. A diferencia de otras publicaciones de análisis de texto, Practical Text Analytics: Maximizing the Value of Text Data hace que los conceptos técnicos sean accesibles para quienes no tienen una amplia experiencia en el campo. Al utilizar el análisis de texto, las organizaciones pueden obtener información de contenidos como correos electrónicos, documentos y redes sociales. Practical Text Analytics se divide en cinco partes. La primera parte presenta el análisis de texto, analiza la relación con el análisis de contenido y proporciona una descripción general de la metodología de minería de texto. En la segunda parte, los autores analizan la práctica del análisis de texto, incluida la preparación de datos y el proceso de planificación general. La tercera parte cubre técnicas de análisis de texto como análisis de conglomerados, modelos de temas y aprendizaje automático. En la cuarta parte del libro, los lectores aprenden sobre las técnicas utilizadas para comunicar conocimientos a partir del análisis de texto, incluida la narración de datos. La parte final de Practical Text Analytics ofrece ejemplos de la aplicación de programas de software para análisis de texto, que permiten a los lectores extraer sus propios datos de texto para descubrir información. Nota de contenido: Chapter 1. Introduction to Text Analytics -- Chapter 2. Fundamentals of Content Analysis -- Chapter 3. Text Analytics Roadmap -- Chapter 4. Text Pre-Processing -- Chapter 5. Term-Document Representation -- Chapter 6. Semantic Space Representation and Latent Semantic Analysis -- Chapter 7. Cluster Analysis: Modeling Groups in Text -- Chapter 8. Probabilistic Topic Models -- Chapter 9. Classification Analysis: Machine Learning Applied to Text -- Chapter 10. Modeling Text Sentiment: Learning and Lexicon Models -- Chapter 11. Storytelling Using Text Data -- Chapter 12. Visualizing Results -- Chapter 13. Sentiment Analysis of Movie Reviews using R -- Chapter 14. Latent Semantic Analysis (LSA) in Python -- Chapter 15. Learning-Based Sentiment Analysis using RapidMiner -- Chapter 16. SAS Visual Text Analytics. Tipo de medio : Computadora Summary : This book introduces text analytics as a valuable method for deriving insights from text data. Unlike other text analytics publications, Practical Text Analytics: Maximizing the Value of Text Data makes technical concepts accessible to those without extensive experience in the field. Using text analytics, organizations can derive insights from content such as emails, documents, and social media. Practical Text Analytics is divided into five parts. The first part introduces text analytics, discusses the relationship with content analysis, and provides a general overview of text mining methodology. In the second part, the authors discuss the practice of text analytics, including data preparation and the overall planning process. The third part covers text analytics techniques such as cluster analysis, topic models, and machine learning. In the fourth part of the book, readers learn about techniques used to communicate insights from text analysis, including data storytelling. The final part of Practical Text Analytics offers examples of the application of software programs for text analytics, enabling readers to mine their own text data to uncover information. Enlace de acceso : https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...]

---

1 (1 - 1 / 1) Ver por página : 25 50 100 200