Text Mining

Mål

Efter avslutad kurs skall den studerande på en avancerad nivå kunna: - använda standardmetoder för informationssökning och informationsutvinning, - tillämpa textbehandlingsmetoder för att förbereda dokument för statistisk modellering, - tillämpa relevanta statistiska modeller för analys av textinformation och tolka resultat på ett korrekt sätt, - använda statistiska modeller för prediktion av textinformation, - utvärdera prestanda av statistiska modeller för textmaterialet.

Innehåll

Kursen behandlar hur textinformation kan utvinnas, lingvistiskt bearbetas och därefter analyseras kvantitativt med formella statistiska metoder och modeller. Kursen utnyttjar expertkunskaper från databashantering, beräkningslingvistik och statistik. Följande ämnen är inkluderade: Introduktion till och överblick av kvantitativ textanalys och dess tillämpningar; Informationsutvinning; Webbcrawling; Informationssökning; Tf-idf; Vektorrymdsmodeller; Textbehandling; Bag of Words modellen; N-grams; Gleshet och utjämning för text; Dokumentklassificering; Sentimentanalys; Modellutvärdering; Topic modeller.