由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
正版 基于增量式语义标注的专利分析与挖掘 陈旭著 武汉大学出版
¥ ×1
第一章 文献概述
1.1 文献的价值
1.2 文献的组成
1.3 文献的特点
1.4 数据库的发展
第2章 现有检索与分析系统
2.1 国家知识产权局信息检索系统
2.2 Patentics信息检索与分析平台
2.3 SooPAT搜索引擎
2.4 其他国内外检索与分析平台
第3章 检索与分析关键技术
3.1 网络爬虫
3.2 信息抽取
3.3 机器学习
3.4 聚类
3.5 标注
3.6 网络舆情分析
3.7 地图
第4章 分析编程语言Python
4.1 Python 语言概述
4.2 Python 变量及数据的使用
4.3 Python程序的控制结构
4.4 文本分析
第5章 基于Python的数据采集
5.1 Python第三方requests库的安装
5.2 使用 requests库获取网页内容
5.3 网页源码HTML语言简介
5.4 BeautifulSoup使用基础
5.5 基于BeautifulSoup的信息抽取实现
5.6 基于XPath的信息抽取实现
第6章 增量式语义标注
6.1 语义标注概述
6.2 功效标注
6.3 技术标注
6.4 语义标注实验结果与分析
第7章 基于支持向量机的高质量预测
7.1 相关工作
7.2 基于多维特征的高质量预测
7.3 质量预测实验与分析
第8章 基于语义网的知识挖掘
8.1 知识挖掘概述
8.2 语义网概述
8.3 聚类
8.4 技术层次语义网
8.5 技术地图
8.6 功效地图
8.7 热点技术功效矩阵
第9章 分析与挖掘案例
9.1 无线通信领域分析案例
9.2 电话通信领域的热点分析案例
参考文献
陈旭,博士毕业于武汉大学计算机学院,现任中南财经政法大学信息与安全工程学院教师,研究生导师。主要研究方向为专利信息挖掘与分析,主要教授课程包括大数据分析导论、管理信息系统、网络数据挖掘、数据及其应用,曾发表SCI/EI检索论文十余篇,作为技术骨干参与过国家自然科学基金重点项目,曾在CIKM,WWW等国际顶级会议发表学术论文,授权一项国家发明专利,研发的专利分析系统曾获NDBC最佳系统演示奖。
在这个知识创新的时代,采集与分析对企业有着重要的意义。分析可以帮助企业从已公开的中把握本领域内的发展动向、学习优选的技术、规避技术雷区和分配有限的资源到有意义、有价值的研究开发中。本书从文献基本概念入手,对比了国内外知名检索与分析系统,介绍了检索与分析的关键技术,然后介绍了分析中的常用编程语言Python,接着重点阐述了基于Python的数据采集方法,基于支持向量机的高质量预测,增量式的语义标注方法以及基于语义网的知识挖掘方法。最后,本书基于已经标注的数据,提出一种基于语义网的分析地图,展现了热点主题以及主题之间的关联,并用案例说明了分析的有效性,为企业的科技创新和战略决策提供支持。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
