文本挖掘与中文文本挖掘模型研究

这是我做毕业论文时候搜集到的珍贵文献资料 打开方式请google搜索 敬谢

详细介绍了文本发掘的步骤及关键技术 传统的自然语言理解是对文本进行较低层次的理解,主要进行基于词、语法和语义信息的分析,并通过词在句子中出现的次序发现有意义的信息。 文本高层次理解的对象可以是仅包含简

TraMineR-Users-Guide(R语言文本挖掘包TraMineR)

对文本自动做SVM模型的训练。包括Libsvm、Liblinear包的选择，分词，词典生成，特征选择，SVM参数的选优，SVM模型的训练等都可以一步完成。

.1文本挖掘的概述.2网页数据抓取的利器-XML.3tm包及相关应用.4应用的实例

文本数据挖掘算法应用小结 1基于概率统计的贝叶斯分类 2 ID3 决策树分类 3基于粗糙集理论 Rough Set 的确定型知识挖掘 4基于 k-means 聚类 5无限细分的模糊聚类 Fuzzy C

做文本分析可视化分析，社会网络分析，共被引分析，非常强大。

教授的文本挖掘技术课程ppt包含文本情感分析特征提取

MiningTextData，自然语言处理方面讲得比较全面的一本书。

使用MATLAB做文本挖掘，英文版书籍，Text-Mining-with-MATLAB