متن کاوی چیست؟ از الزویر (انگلیسی)
توضیح خیلی مختصری در ارتباط با متن کاوی
#ویدئو #فیلم #آموزش #متن_کاوی
#Video #TextMining #Text_Mining #TM
@Computer_IT_Engineering

متن کاوی حوزه مطالعاتی است در زیر مجموعه داده کاوی که به دنبال استخراج دانش از متن هاست. متن کاوی اگر نه به اندازه داده کاوی ولی حوزه ای گسترده است که از طبقه بندی متون تا خلاصه سازی متون را شامل می شود. با توجه به اهمیت آن ولی باید دانست که تحقیقات اندکی در این حوزه انجام شده است. به دلیل این که اساتید کمی در ایران هستند که در این حوزه فعالیت داشته اند در نتیجه دانشجویان کمتری را نیز به این حوزه متمایل کرده و از آن ها تحقیقات می خواهند. در سال های اخیر این توجه شاید بیشتر شده باشد ولی در حالت کلی بسیار اندک است. این شرایط برای کشورهای پیشرفته چنین نیست برای مثال در اروپا یک پروژه درباره آینده متن کاوی تعریف شده است و محققین درباره آینده این حوزه و قدرت آن در پیشرفت بیشتر اروپا همفکری می کنند.
برای آشنایی بیشتر با این پروژه می توانید به وب سایت زیر مراجعه کنید:
👇👇👇👇👇
http://www.futuretdm.eu/
👆👆👆👆👆
#TextMining #Text_Mining #TM
@Computer_IT_Engineering

⭐️رابطه مجموعه داده و دقت طبقه بندی در متن کاوی

همانطور که میدانید تمام روشهای متن کاوی برای اثبات کارایی روشهای خود مجموعه داده یا دیتاستی را برای ارزیابی استفاده می کننددر علوم متن کاوی دیتاست یا مجموعه داده اهمیت فراوانی دارد . بسیاری از روشها مخصوص مجموعه داده ها طراحی می شوند. روشی که برای متن کاوی بر روی نظرات منتشر شده در فروم طراحی شده است با روشی که برای متن کاوی بر روی نظرات پنهان در توییت ها طراحی شده است کاملا متفاوت است. دلایل این موضوع وابستگی شدید روش ها و مجموعه داده هاست. زیرا مجموعه داده ها ویژگی های مخصوص به خود دارند و برای رسیدن به نتیجه مطلوب باید با توجه به ویژگی های مجموعه داده عمل کرد. مثلا مجموعه داده های توییت دارای ویژگی های منحصر به فردی است توییت ها دارای غلط های املایی فراوان و ترکیب جملاتی ناقص هستند ولی این موضوع درباره مجموعه داده کالا یا فیلم صادق نیست. یک جمله در اخبار روزنامه ها و مطبوعات هر چقدر ساخت یافته و منظم است یک توییت بدون ساخت یافته و ناقص است. به همین دلیل ساختاری روشهایی که باید بر روی این دو کار کنند متفاوت خواهد بود. با توجه به این مطالب باید در مقایسه نتایج بدست آمده در روشهای ارائه شده در متن کاوی دقت بیشتری به خرج داد ممکن است در مقاله ای روشی بر روی دو هزار سند با دقت 90 درصد کار کند و در مقاله ای دیگر روش دیگری بر روی یک هزار سند دیگر آزمایش شود. مقایسه دقت این روش ها چقدر دقیق است؟
به همین دلیل منطقی به نظر می رسد باید روشهایی را که برروی دیتاست های مشترک اعمال شده اند قابل مقایسه در نظر گرفت.
#TextMining #Text_Mining #TM
@Computer_IT_Engineering

فیلم های آموزش داده کاوی با سرفصل زیر به زودی در کانال قرار میگیرند
Data mining prerequisites
Algorithm prerequisites
Software prerequisites
Goals of data reduction
Data for data reduction
Data reduction in R
Data reduction in Python
Data reduction in Orange
Data reduction in RapidMiner
Clustering goals
Clustering data
Clustering in R
Clustering in BigML
Clustering in Python
Clustering in Orange
Classification goals
Classification data
Classification in R
Classification in Python
Classification in RapidMiner
Classification in KNIME
Anomaly detection goals
Anomaly detection data
Anomaly detection in R
Anomaly detection in Python
Anomaly detection in BigML
Anomaly detection in RapidMiner
Association analysis goals
Association analysis data
Association analysis in R
Association analysis in Python
Association analysis in Orange
Association analysis in KNIME
Regression analysis goals
Regression analysis data
Regression analysis in R
Regression analysis in Python
Regression analysis in KNIME
Regression analysis in RapidMiner
Sequence mining goals
Sequence mining algorithms
Sequence mining in R
Sequence mining in Python
Sequence mining in BigML
Text mining goals
Text mining algorithms
Text mining in R
Text mining in Python
Text mining in RapidMiner
#داده_کاوی #متن_کاوی #طبقه_بندی #خوشه_بندی #پایتون #رپیدماینر
#TextMining #DataMining #Classification #Clustering #Python #BigML #RapidMiner
@Computer_IT_Engineering

فیلمهای آموزشی داده کاوی (انگلیسی)
#ویدئو #داده_کاوی #متن_کاوی #طبقه_بندی #خوشه_بندی #رپیدماینر
#Video #DataMining #TextMining #Classification #Clustering #Python #RapidMiner
@Computer_IT_Engineering

دو ویدئو آموزش متن کاوی با استفاده از نرم افزار وکا (انگلیسی)
#ویدئو #فیلم #متن_کاوی #وکا
#Video #TextMining #Weka #WEKA
@Computer_IT_Engineering

تحلیل احساسات در شبکه اجتماعی توییتر با تکنیک متن کاوی (فارسی) سال 1394
#مقاله #شبکه_اجتماعی #توییتر #متن_کاوی
#Paper #SocialNetworks #SN #Twitter #TextMining #Text_Mining
@Computer_IT_Engineering

پایان نامه کارشناسی "خوشه بندی متون فارسی" (فارسی) 70 صفحه، سال 1391، دانشگاه علم و صنعت
#پایان_نامه #پروژه #متن_کاوی #خوشه_بندی
#Thesis #Project #TextMining #TM #Clustering
@Computer_IT_Engineering

هفت مقاله در ارتباط با عقیده کاوی به زبان فارسی با عناوین زیر:

📃1- مقایسه کارایی طبقه بندی های مختلف متن برای عقیده کاوی در نقد کالا، سال 1392
📃2- عقیده کاوی در نقد کالا با استفاده از شبکه واژگان احساسی، سال 1392
📃3-کمی سازی گرایش احساسی نظرات متنی فارسی مشتریان بر روی ویژگی های کالا در وب
📃4- افزایش هوش تجاری براساس تحلیل عقاید در نقدهای فارسی، سال 1394
📃5- مقاله مروری مکانیزمهای ارائه شده در نظرکاوی، سال 1394
📃6- عقیده کاوی مبتنی بر منطق فازی جهت ارائه سیستمهای پیشنهاددهنده، سال 1394
📃7- مروری بر رویکردهای ارائه شده در نظرکاوی، سال 1394

#مقاله #عقیده_کاوی #متن_کاوی #تحلیل_احساسات
#Paper #Opinion_Mining #OpinionMining #OM #Text_Mining #TextMining #TM
@Computer_IT_Engineering

هفت مقاله در ارتباط با عقیده کاوی (فارسی)
#مقاله #عقیده_کاوی #متن_کاوی #تحلیل_احساسات
#Paper #Opinion_Mining #OpinionMining #OM #Text_Mining #TextMining #TM
@Computer_IT_Engineering

چهل و چهار مقاله جدید در ارتباط با عقیده کاوی به زبان انگلیسی با عناوین زیر: (سال های 2017 و 2018)

📃1- Techniques of Opinion Mining: A Review (2017)
📃2- A Survey: Opinion Mining Its Tools and Techniques (2017)
📃3- Deep Survey on Sentiment Analysis and Opinion Mining on Social Networking Sites and E-Commerce Website (2017)
📃4- Product Rating using Opinion Mining (2017)
📃5- Aspect-Based Opinion Mining Using Knowledge Bases (2017)
📃6- Real-time Opinion Mining of Twitter Data using Spring XD and Hadoop (2017)
📃7- Towards a Fuzzy Cognitive Map for Opinion Mining (2017)
📃8- A survey on Opinion Summarization Techniques for Social Media (2017)
📃9- Entropy based classifier for cross-domain opinion mining (2017)
📃10- Opinion Mining in Twitter – Sarcasm Detection (2017)
📃11- Live Twitter Knowledge as a Corpus for Sentiment Analysis and Opinion Mining 1(2017)
📃12- Live Twitter Knowledge as a Corpus for Sentiment Analysis and Opinion Mining 2 (2017)
📃13- Opinion Mining Using Twitter Feeds for Political Analysis (2017)
📃14- Sentiment Analysis and Opinion Mining from Social Media (2017)
📃15- Replication issues in syntax-based aspect extraction for opinion mining (2017)
📃16- Opinion Mining on Non-English Short Text (2017)
📃17- Comparative Opinion Mining: a Review (2017)
📃18- Emotion Determination Based on Opinion Mining (2017)
📃19- A Machine Learning Based Approach for Opinion Mining on Social Network Data (2017)
📃20- FEROM (2017)
📃21- Sentiment Analysis in Online Hotel Booking (2017)
📃22- Opinion mining from online hotel reviews (2017)
📃23- Analyzing User Experience through Web Opinion Mining (2017)
📃24- Ontology Based Arabic Opinion Mining (2017)
📃25- Opinion mining studies from mobile app store user reviews (2017)
📃26- An Effective Hybrid Model for Opinion Mining and Sentiment Analysis (2017)
📃27- Fine-grained opinion mining of product review using sentiment and semantic orientation (2017)
📃28- Opinion mining in management research (2017)
📃29- Empirical Model of Supervised Learning Approach for Opinion Mining (2017)
📃30- Opinion Mining (2017)
📃31- A Three-Phase Approach for Exploiting Opinion Mining in Computational Advertising (2017)
📃32- A Review of Natural Language Processing Techniques for Opinion Mining Systems (2017)
📃33- Opinion Mining and Analysis of Movie Reviews (2017)
📃34- Opinion mining using ensemble text hidden markov models for text classification (2017)
📃35- Mobile Product Ranking Using Opinion Mining (2017)
📃36- Large scale opinion mining for social, news and blog data (2017)
📃37- FCE-SVM: a new cluster based ensemble method for opinion mining from social media (2017)
📃38-Fuzzy Formal Concept Analysis based Opinion Mining for CRM in Financial Services (2017)
📃39- Analytical mapping of opinion mining and sentiment analysis research during 2000–2015 (2017)
📃40- Sentiment Analysis and Opinion Mining (2017)
📃41- A Combined Approach for Effective Features Extraction from Online Product Reviews (2018)
📃42- Review Spam Detection Using Opinion Mining (2018)
📃43- Sentiment Analysis and Mining of Opinions (2018)
📃44- A Comprehensive Study on Opinion Mining Features and Their Applications (2018)

#مقاله #عقیده_کاوی #متن_کاوی #تحلیل_احساسات
#Paper #Opinion_Mining #OpinionMining #OM #Text_Mining #TextMining #TM #Sentiment_Analysis #Social_Media
@Computer_IT_Engineering