前 言

文本分類是機(jī)器自然語言處理的一個(gè)重要研究方向，具有廣闊的應(yīng)用領(lǐng)域和科學(xué)研究價(jià)值。本書理論性強(qiáng)，讀者需要有扎實(shí)的數(shù)學(xué)和統(tǒng)計(jì)學(xué)基礎(chǔ)，部分內(nèi)容對于初學(xué)者來說比較難以理解。全書以文本分類的處理流程為主線組織敘述框架：對文本預(yù)處理、特征選擇與降維、常用分類算法、多標(biāo)簽文本分類技術(shù)、短文本分類技術(shù)等進(jìn)行了詳細(xì)的講解，圍繞文本分類處理中涉及相關(guān)技術(shù)的理論依據(jù)、實(shí)現(xiàn)思路、優(yōu)劣勢等問題展開闡述，并將一些重要的知識點(diǎn)通過舉例的方式直觀講解，加深讀者的理解。

文本信息機(jī)器分類涵蓋的內(nèi)容較為寬泛，敘述過程不可能面面俱到，本書以網(wǎng)絡(luò)文本作為處理對象，針對其特有的大規(guī)模、強(qiáng)噪音、特征表示稀疏、上下文關(guān)聯(lián)性強(qiáng)等特點(diǎn)，綜合介紹了科研工作者針對此類問題的解決思路和有效做法，并以微博信息為例，細(xì)致介紹了主題模型在網(wǎng)絡(luò)短文本處理中的應(yīng)用。

本書共六章，內(nèi)容包括：緒論、文本預(yù)處理、特征表示與降維、文本分類算法、多標(biāo)簽文本分類技術(shù)、短文本分類與應(yīng)用。

本書由陳念、楊永超著。各章節(jié)的分工如下：第1、2、6章由陳念著，第3、4、5章由楊永超著，由陳念負(fù)責(zé)統(tǒng)稿。全書共計(jì)19.5萬字，其中陳念著9.5萬字，楊永超著10萬字。

對于本書的錯(cuò)誤和不當(dāng)之處，希望讀者隨時(shí)指正。

編 者

2020年4月