文本挖掘与情感分析实操指南

📚 30章 · 从入门到实战
第1章 文本挖掘概述
什么是文本挖掘 应用场景：舆情/客服/调研 挑战与未来趋势
第2章 Python文本处理基础
字符串操作 正则表达式入门 re模块模式匹配
第3章 中文分词技术
分词原理 jieba精确/全/搜索引擎模式 自定义词典
第4章 词性标注与命名实体识别
词性标注意义 jieba词性标注 人名/地名/机构名识别
第5章 文本预处理实战
去除停用词 清洗HTML/特殊符号 大小写/词干提取
第6章 文本特征提取方法
词袋模型 TF-IDF原理与计算 sklearn特征提取
第7章 文本向量化与词嵌入
One-hot局限 Word2Vec (CBOW/Skip-gram) Gensim实战
第8章 情感分析基础
定义与分类 (正/负/中性) 应用场景
第9章 基于词典的情感分析
情感词典构建 极性计算 SnowNLP实战
第10章 机器学习情感分析 (上)
数据集准备与标注 特征工程 朴素贝叶斯分类器
第11章 机器学习情感分析 (下)
SVM / 逻辑回归 准确率/召回率/F1
第12章 深度学习情感分析入门
为什么需要深度学习 RNN原理 LSTM与GRU
第13章 Keras/TensorFlow构建模型
数据预处理 模型搭建/训练/预测
第14章 预训练模型与迁移学习
BERT原理简介 Hugging Face Transformers 微调BERT情感分析
第15章 实战项目(一)：电影评论情感分析
IMDb数据集 数据清洗到模型部署
第16章 实战项目(二)：社交媒体舆情监控
微博/推特数据 实时情感分析管道
第17章 细粒度情感分析
方面级情感分析 情感强度分析
第18章 多语言情感分析
跨语言挑战 多语言BERT 翻译后分析策略
第19章 情感分析的可解释性
LIME与SHAP原理 解释预测结果 可视化注意力权重
第20章 文本聚类与主题建模
K-means文本聚类 LDA主题模型 可视化主题分布
第21章 文本分类进阶
多标签/层次分类 CNN文本分类
第22章 文本摘要生成
抽取式/生成式摘要 TextRank算法 BART/T5生成摘要
第23章 文本相似度计算
余弦/Jaccard相似度 Sentence-BERT语义相似度
第24章 知识图谱与文本挖掘
实体链接/关系抽取 Neo4j存储知识图谱
第25章 文本数据可视化
词云生成 (WordCloud) 情感趋势折线图 热力图特征重要性
第26章 大规模文本处理
Spark分布式处理 Pandas处理CSV/JSON
第27章 文本挖掘管道搭建
Scrapy爬取数据 Airflow调度任务 自动化预处理与建模
第28章 模型部署与API服务
Flask/FastAPI搭建REST API Docker容器化部署 模型监控
第29章 文本挖掘伦理与偏见
数据隐私问题 算法偏见检测 公平性评估
第30章 综合实战：舆情分析系统
数据采集/清洗/分析 可视化看板
📢 专注资料整理