Doktora tezimle ilgili olarak Veri Madenciliği ve özellikle Metin Madenciliği üzerinde çalışmalar yapmaktayım. Araştırmalarım ve tez projemin geliştirilmesi sırasında ilginç ve yararlı bulduğum çeşitli makalelere, araçlara ve kaynak kodlara rastlıyorum. Bulduğum bu şeyleri ve de araştırma alanımla ilgili düşünce ve çalışmalarımı paylaşmak amacıyla İngilizce içerikli olarak DataMiningResearch.com sitesini kurdum. Önümüzdeki günlerde bu siteye Türkçe içerik eklemeyi de düşünüyorum. Veri Madenciliği, Bilgi Keşfi ve Makine Öğrenmesi alanlarına ilgi duyanlar için yararlı bir site olmasını umuyorum.
Archive for the ‘text mining’ tag
DataMiningResearch.com
Veri Madenciliği (Data Mining) Kitapları
Veri Madenciliği (Data Mining) ve Metin Madenciliği (Text Mining) alanlarında doktora araştırma ve tez çalışmalarımda kullandığım ve içeriğini çok yararlı bulduğum bazı kitapları burada tanıtmak istiyorum. Bunların bir çoğunu e-book olarak bulmak mümkün (tabii ki ben bunlara bağlantı vermeyeceğim). Şimdilik 3 tanesini yazdım, devamı gelecek.
Data Mining: Concepts and Techniques, Second Edition
Kitap Adı: Data Mining: Concepts and Techniques, Second Edition
Yazarları: Jiawei Han, Micheline Kamber
Yayınevi: Morgan Kaufmann Publishers
Veri Madenciliği alanında en çok bilinen kitap bu olsa gerek. Bu alana bir başlangıç yapmak isteyenlere tavsiye ederim.
Introduction to Data Mining
Kitap Adı: Introduction to Data Mining
Yazarları: Pang-Ning Tan, Michael Steinbach, Vipin Kumar
Yayınevi: Addisson-Wesley
Kitapla ilgili ayrıntılı bilgi ve örnek bölümlere .pdf formatında erişim için http://www-users.cs.umn.edu/~kumar/dmbook/index.php adresini ziyaret edebilirsiniz. Bu adreste ayrıca kitapla ilgili çeşitli sunular da yer almaktadır.
Grouping Multidimensional Data: Recent Advances in Clustering
Kitap Adı: Grouping Multidimensional Data: Recent Advances in Clustering
Yazarları: Jacob Kogan, Charles Nicholas, Marc Teboulle (Editörler)
Yayınevi: Springer
Kümeleme alanında çeşitli güncel makalelerin derlenmesiyle oluşturulmuş bir kitap.
Metin Madenciliği (Text Mining) Nedir?
Veri madenciliği üzerine yapılan çalışmalar çoğunlukla ilişkisel veritabanı ve veri ambarlarındaki veriler gibi yapısal veriler üzerine odaklanmış durumdadır. Ancak gerçekte erişilebilir ve kullanılabilir durumdaki verinin önemli bir bölümü metin veritabanlarında veya diğer ifadesiyle doküman veritabanlarında bulunmaktadır. Bu veritabanları genellikle haberler, makaleler, araştırma bildirileri, kitaplar, sayısal kütüphaneler, e-posta iletileri ve Web sayfaları gibi çeşitli kaynaklardan oluşan geniş doküman koleksiyonlarından oluşmaktadır. Elektronik ortamdaki bilgi miktarındaki artış nedeniyle metin veritabanlarının boyutları da hızla artmaktadır. Tahminlere göre iş dünyasına ilişkin bilginin %85′i metin formunda saklanmaktadır.
Metin Madenciliği (Text Mining), yararlı, ilginç ve daha önce bilinmeyen bilginin, bilgi işlem metodları ve teknikleri ile metin halindeki veriden elde edilmesi olarak tanımlanabilir. Metin Madenciliği, veri madenciliği, yapay zeka, doğal dil işleme (NLP Natural Language Processing), istatistik, bilgi erişim (IR Information Retrieval) ve bilgi yönetimi (Knowledge Management) tekniklerini kullanarak “bilgi patlaması” (information explosion / information overload) sorununa çözüm bulmayı amaçlayan bir araştırma alanıdır. Metin Madenciliği, doküman koleksiyonlarının önişlemeden geçirilmesi, ara sonuçların saklanması, ara sonuçların analiz edilmesi için çeşitli tekniklerin kullanılması ve nihai sonuçların görselleştirilmesi gibi aşamalardan oluşmaktadır.
Metin Madenciliği teknikleri dört temel kategoriye ayrılır: sınıflandırma (classification), birliktelik analizi (association analysis), bilgi çıkarım (information extraction) ve kümeleme (clustering). Sınıflandırma işlemi nesnelerin daha önceden bilinen sınıflara ya da kategorilere dahil edilmesidir. Birliktelik analizi ise sıklıkla birlikte yer alan ya da gelişen sözcük ya da kavramların belirlenmesi ve böylece doküman içeriğinin ya da doküman kümelerinin anlaşılmasını amaçlamaktadır. Bilgi çıkarım teknikleri ile dokümanların içerisindeki yararlı veri ya da ifadeler bulunmaya çalışılmaktadır. Kümeleme analizi, doküman kümelerinin temelini oluşturan yapıların keşfedilmesi amacıyla uygulanmaktadır.
