本課程是数据挖掘專項課程專項課程的一部分

4.5
星
698 個評分

ChengXiang Zhai

66,774 人已註冊

提供方

数据挖掘專項課程伊利诺伊大学香槟分校

課程信息

14,502 次近期查看

This course will cover the major techniques for mining and analyzing text data to discover interesting patterns, extract useful knowledge, and support decision making, with an emphasis on statistical approaches that can be generally applied to arbitrary text data in any natural language with no or minimum human effort. 
Detailed analysis of text data requires understanding of natural language text, which is known to be a difficult task for computers. However, a number of statistical approaches have been shown to work well for the "shallow" but robust analysis of text data for pattern finding and knowledge discovery. You will learn the basic concepts, principles, and major algorithms in text mining and their potential applications.

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 3 門課程（共 6 門）

数据挖掘專項課程

完成時間大約為33 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

您將獲得的技能

Data Clustering Algorithms
Text Mining
Probabilistic Models
Sentiment Analysis

可靈活調整截止日期

根據您的日程表重置截止日期。

可分享的證書

完成後獲得證書

100% 在線

立即開始，按照自己的計劃學習。

第 3 門課程（共 6 門）

数据挖掘專項課程

完成時間大約為33 小時

英語（English）

對員工進行熱門技能培訓能否為您的公司帶來益處？

體驗 Coursera 企業版

授課教師

授課教師評分

4.55/5 （50 個評分）

ChengXiang Zhai

Professor

Department of Computer Science

95,884 個學生

4 門課程

提供方

伊利诺伊大学香槟分校

了解頂級公司的員工如何掌握熱門技能

了解關於 Coursera for Business 的更多信息

授課大綱 - 您將從這門課程中學到什麼

內容評分92%（2,980 個評分）

週

週 1

完成時間為 2 小時

Orientation

完成時間為 2 小時

2 個視頻（總計 15 分鐘）, 5 個閱讀材料, 2 個測驗

完成時間為 4 小時

Week 1

完成時間為 4 小時

9 個視頻（總計 109 分鐘）, 1 個閱讀材料, 2 個測驗

9 個視頻

1.1 Overview Text Mining and Analytics: Part 111分鐘

1.2 Overview Text Mining and Analytics: Part 211分鐘

1.3 Natural Language Content Analysis: Part 112分鐘

1.4 Natural Language Content Analysis: Part 24分鐘

1.5 Text Representation: Part 110分鐘

1.6 Text Representation: Part 29分鐘

1.7 Word Association Mining and Analysis15分鐘

1.8 Paradigmatic Relation Discovery Part 114分鐘

1.9 Paradigmatic Relation Discovery Part 217分鐘

1 個閱讀材料

Week 1 Overview10分鐘

2 個練習

Week 1 Practice Quiz1小時

Week 1 Quiz1小時

週

週 2

完成時間為 4 小時

Week 2

完成時間為 4 小時

10 個視頻（總計 116 分鐘）, 1 個閱讀材料, 2 個測驗

10 個視頻

2.1 Syntagmatic Relation Discovery: Entropy11分鐘

2.2 Syntagmatic Relation Discovery: Conditional Entropy11分鐘

2.3 Syntagmatic Relation Discovery: Mutual Information: Part 113分鐘

2.4 Syntagmatic Relation Discovery: Mutual Information: Part 29分鐘

2.5 Topic Mining and Analysis: Motivation and Task Definition7分鐘

2.6 Topic Mining and Analysis: Term as Topic11分鐘

2.7 Topic Mining and Analysis: Probabilistic Topic Models14分鐘

2.8 Probabilistic Topic Models: Overview of Statistical Language Models: Part 110分鐘

2.9 Probabilistic Topic Models: Overview of Statistical Language Models: Part 213分鐘

2.10 Probabilistic Topic Models: Mining One Topic12分鐘

1 個閱讀材料

Week 2 Overview10分鐘

2 個練習

Week 2 Practice Quiz1小時

Week 2 Quiz1小時

週

週 3

完成時間為 10 小時

Week 3

完成時間為 10 小時

10 個視頻（總計 103 分鐘）, 2 個閱讀材料, 3 個測驗

10 個視頻

3.1 Probabilistic Topic Models: Mixture of Unigram Language Models12分鐘

3.2 Probabilistic Topic Models: Mixture Model Estimation: Part 110分鐘

3.3 Probabilistic Topic Models: Mixture Model Estimation: Part 28分鐘

3.4 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 111分鐘

3.5 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 210分鐘

3.6 Probabilistic Topic Models: Expectation-Maximization Algorithm: Part 36分鐘

3.7 Probabilistic Latent Semantic Analysis (PLSA): Part 110分鐘

3.8 Probabilistic Latent Semantic Analysis (PLSA): Part 210分鐘

3.9 Latent Dirichlet Allocation (LDA): Part 110分鐘

3.10 Latent Dirichlet Allocation (LDA): Part 212分鐘

2 個閱讀材料

Week 3 Overview10分鐘

Programming Assignments Overview10分鐘

2 個練習

Week 3 Practice Quiz1小時

Quiz: Week 3 Quiz1小時

週

週 4

完成時間為 5 小時

Week 4

完成時間為 5 小時

9 個視頻（總計 141 分鐘）, 1 個閱讀材料, 2 個測驗

9 個視頻

4.1 Text Clustering: Motivation15分鐘

4.2 Text Clustering: Generative Probabilistic Models Part 116分鐘

4.3 Text Clustering: Generative Probabilistic Models Part 28分鐘

4.4 Text Clustering: Generative Probabilistic Models Part 314分鐘

4.5 Text Clustering: Similarity-based Approaches17分鐘

4.6 Text Clustering: Evaluation10分鐘

4.7 Text Categorization: Motivation14分鐘

4.8 Text Categorization: Methods11分鐘

4.9 Text Categorization: Generative Probabilistic Models31分鐘

1 個閱讀材料

Week 4 Overview10分鐘

2 個練習

Week 4 Practice Quiz1小時

Week 4 Quiz1小時

週

週 5

完成時間為 4 小時

Week 5

完成時間為 4 小時

7 個視頻（總計 121 分鐘）, 1 個閱讀材料, 2 個測驗

7 個視頻

5.1 Text Categorization: Discriminative Classifier Part 120分鐘

5.2 Text Categorization: Discriminative Classifier Part 231分鐘

5.3 Text Categorization: Evaluation Part 114分鐘

5.4 Text Categorization: Evaluation Part 210分鐘

5.5 Opinion Mining and Sentiment Analysis: Motivation17分鐘

5.6 Opinion Mining and Sentiment Analysis: Sentiment Classification11分鐘

5.7 Opinion Mining and Sentiment Analysis: Ordinal Logistic Regression13分鐘

1 個閱讀材料

Week 5 Overview10分鐘

2 個練習

Week 5 Practice Quiz1小時

Week 5 Quiz1小時

週

週 6

完成時間為 4 小時

Week 6

During this module, you will continue learning about sentiment analysis and opinion mining with a focus on Latent Aspect Rating Analysis (LARA), and you will learn about techniques for joint mining of text and non-text data, including contextual text mining techniques for analyzing topics in text in association with various context information such as time, location, authors, and sources of data. You will also see a summary of the entire course.

完成時間為 4 小時

8 個視頻（總計 120 分鐘）, 1 個閱讀材料, 2 個測驗

8 個視頻

6.1 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 115分鐘

6.2 Opinion Mining and Sentiment Analysis: Latent Aspect Rating Analysis Part 214分鐘

6.3 Text-Based Prediction12分鐘

6.4 Contextual Text Mining: Motivation6分鐘

6.5 Contextual Text Mining: Contextual Probabilistic Latent Semantic Analysis17分鐘

6.6 Contextual Text Mining: Mining Topics with Social Network Context14分鐘

6.7 Contextual Text Mining: Mining Casual Topics with Time Series Supervision19分鐘

6.8 Course Summary18分鐘

1 個閱讀材料

Week 6 Overview10分鐘

2 個練習

Week 6 Practice Quiz1小時

Week 6 Quiz1小時

審閱

4.5

144 條評論

5 stars
68.09%
4 stars
20.45%
3 stars
7.86%
2 stars
1.85%
1 star
1.71%

來自文本挖掘和分析的熱門評論

由 DO 提供2022年12月3日

Prof. Zhai's textbook is well-worth the added investment. His Coursera lectures helped me to "read between the lines."

由 SS 提供2017年6月20日

My favorite course and my favorite instructor. Highly informative. I wish i want to be a real student of the instructor.

由 SG 提供2017年2月24日

Very good course thank you

I wish we could have use case applications with high level tools such as R

Thanks a lot again !

由 WP 提供2017年8月22日

Most of the lessons are mathematical formulae in which, in my opinion, I need more real case study/practice to make myself clearly understand on how do those formulae perform.

查看所有評論

關於数据挖掘專項課程

The Data Mining Specialization teaches data mining techniques for both structured data which conform to a clearly defined schema, and unstructured data which exist in the form of natural language text. Specific course topics include pattern discovery, clustering, text retrieval, text mining and analytics, and data visualization. The Capstone project task is to solve real-world data mining challenges using a restaurant review data set from Yelp.

常見問題

我什么时候能够访问课程视频和作业？
讲座和作业的访问权限取决于您的注册类型。如果您以旁听模式参加课程，则可以免费查看大多数课程资料。要访问评分作业并获得证书，您需要在旁听期间或之后购买证书体验。如果看不到旁听选项：
课程可能不提供旁听选项。您可以尝试免费试用，也可以申请助学金。
课程可能会改为提供'完整课程，没有证书'。通过此选项，您可以查看所有课程材料、提交所要求的作业，以及获得最终成绩。这也意味着您将无法购买证书体验。
我订阅此专项课程后会得到什么？
您注册课程后，将有权访问专项课程中的所有课程，并且会在完成课程后获得证书。您的电子课程证书将添加到您的成就页中，您可以通过该页打印您的课程证书或将其添加到您的领英档案中。如果您只想阅读和查看课程内容，可以免费旁听课程。
有助学金吗？
是的。如果您负担不起学习计划的注册费，则可以在选择学习计划时申请助学金或奖学金。如果您选择的学习计划提供助学金或奖学金，则您将在描述页面上看到一个申请链接。

還有其他問題嗎？請訪問學生幫助中心。

培養員工技能，推動業務成果

探索 Coursera for Business

文本挖掘和分析

課程信息

您將獲得的技能