Språkteknologi

Textklustring och -kategorisering

Magnus Rosell

Innehåll

Att automatiskt gruppera texter i på förhande bestämda kategorier (kategorisering)
och att för en textmängd automatiskt hitta lämpliga kategorier (klustring).

• Klustring
  • Representation: Term-dokument-matrisen
  • Textklustringsalgoritmer
  • Evaluering
• Kategorisering
  • Vad är en genre? Vad menas med en kategori?
  • Representation
  • Inlärningsalgoritmer
  • Stilmått

Kurslitteratur

• Föreläsningsbilder, Magnus Rosell
• Introduction to Information Retrieval and Text Clustering, M. Rosell (2009)
• Nya kursboken Jurafsky & Martin:
  • (20)
  • 20.2 Categorization of Words
  • 20.10 Clustering of Words

Mer litteratur

• A Comparison of Document Clustering Techniques, Michael Steinbach, George Karypsis and Vipin Kumar, 2000.
• Scatter/Gather: A Cluster-based Approach to Browsing Large Document Collections, Douglass R. Cutting, David R. Karger, Jan O. Pedersen, John W. Tukey, 1992.
• Web Document Clustering: A Feasibility Demonstration, Oren Zamir, Oren Etzioni, 1998.
• Projections for Efficient Document Clustering, Hinrich Schütze, Craig Silverstein, 1997.
• Introduction to Information Retrieval Christopher D. Manning, Prabhakar Raghavan and Hinrich Schütze, Cambridge University Press. 2008.