Metodi e applicazioni di text mining

Titolo originale:

Novel Text Mining Methods and Applications

Contenuto del libro:

Quasi l'80% di tutti i dati viene generato nel mondo reale, generando un grande volume di dati non strutturati. Questi dati non strutturati richiedono metodi di elaborazione complessi, a differenza dei dati organizzati memorizzati nei database.

Il text mining è un metodo efficace per l'estrazione della conoscenza e il processo decisionale, poiché prevede la trasformazione di input testuali non strutturati in formato strutturato. La classificazione, il clustering, l'estrazione di regole di associazione, l'individuazione di argomenti e la sintesi sono i principali compiti del text mining. Questo libro esamina le tecniche e gli usi più innovativi del text mining, come la gestione delle relazioni con i clienti, l'analisi dei social network, le previsioni dei mercati finanziari e la classificazione dei documenti.

La classificazione dei documenti, che comprende programmi come il phishing, il malware e il rilevamento dello spam, è una delle sfide più difficili della classificazione dei testi. Il libro propone nuovi modelli ibridi per la categorizzazione dei documenti che funzionano sia per problemi di classe binaria che di classe unica, come OCSVM-LSI, PCA-OCSVM e LDA-CARM.

Il libro tratta anche il difficile compito di prevedere il mercato azionario, che dipende da dati di notizie non strutturati. Il modello proposto prevede i prezzi delle azioni utilizzando una serie di approcci di regressione, tra cui GMDH, GRNN, MLP, RPART, SVR, RF e QRRF.

Il libro fornisce informazioni approfondite sugli usi del text mining e su come prendere buone decisioni con esso.