Data Science für Unternehmen - Data Mining und datenanalytisches Denken praktisch anwenden

Kapitel 10: Texte repräsentieren und auswerten

Fundamentale Konzepte:

• Die Bedeutung von für Data Mining geeigneter Datenrepräsentation

• Repräsentation von Text für Data Mining

Exemplarische Verfahren:

• Das Bag-of-words-Modell

• Berechnung des TFIDF-Maßes

• N-Gramme

• Stemming (Stammformreduktion)

• Extraktion von Eigennamen

• Topic Models

Wir haben bislang eine wichtige Phase des Data-Mining-Prozesses vernachlässigt oder ausgeklammert: die Datenaufbereitung.​ Leider liegen uns Daten meist nicht in Form von Merkmalsvektoren vor, die die meisten Data-Mining-Verfahren als Eingabe erwarten. Daten stehen exakt so zur Verfügung, wie sie gesammelt wurden (für jeweils eine bestimmte Aufgabe). Wenn wir die zahlreichen verfügbaren Data-Mining-Tools ...