In diesem Modul lernen Sie den allgemeinen Aufbau des Kurses, einen Überblick über Techniken der Verarbeitung natürlicher Sprache und der Textdarstellung, die die Grundlage für alle Arten von Textverarbeitungsanwendungen bilden, sowie das Mining von Wortassoziationen mit besonderem Schwerpunkt auf dem Mining einer der beiden Grundformen von Wortassoziationen (d.h. paradigmatische Beziehungen).

In diesem Modul erfahren Sie mehr über die Gewinnung von Wortassoziationen mit besonderem Schwerpunkt auf der Gewinnung der anderen grundlegenden Form von Wortassoziationen (d.h. syntagmatische Beziehungen) und lernen die Themenanalyse mit Schwerpunkt auf Techniken zur Gewinnung eines Themas aus einem Text.

In diesem Modul lernen Sie die Themenanalyse im Detail kennen, einschließlich Mischungsmodelle und deren Funktionsweise, den Algorithmus der Erwartungsmaximierung (EM) und wie er zur Schätzung der Parameter eines Mischungsmodells verwendet werden kann, das grundlegende Themenmodell, die Probabilistische Latente Semantische Analyse (PLSA) und wie die Latente Dirichlet-Allokation (LDA) PLSA erweitert.

In diesem Modul lernen Sie Text-Clustering kennen, einschließlich der grundlegenden Konzepte, der wichtigsten Clustering-Techniken, einschließlich probabilistischer Ansätze und ähnlichkeitsbasierter Ansätze, und wie man Text-Clustering auswertet. Außerdem lernen Sie die Textkategorisierung kennen, die mit dem Text-Clustering verwandt ist, jedoch mit vordefinierten Kategorien, die als vordefinierte Cluster angesehen werden können.

In diesem Modul lernen Sie weiterhin verschiedene Methoden zur Textkategorisierung kennen, einschließlich mehrerer Methoden, die unter diskriminativen Klassifikatoren klassifiziert werden. Außerdem lernen Sie Sentiment Analysis und Opinion Mining kennen, einschließlich einer detaillierten Einführung in eine bestimmte Technik zur Sentiment-Klassifizierung (d.h. ordinale Regression).

In diesem Modul setzen Sie Ihre Kenntnisse über die Stimmungsanalyse und das Opinion Mining mit Schwerpunkt auf der Latent Aspect Rating Analysis (LARA) fort und lernen Techniken für das gemeinsame Mining von Text- und Nicht-Text-Daten kennen, einschließlich kontextbezogener Text Mining-Techniken zur Analyse von Themen in Texten in Verbindung mit verschiedenen Kontextinformationen wie Zeit, Ort, Autoren und Datenquellen. Sie sehen auch eine Zusammenfassung des gesamten Kurses.