电子书
内容简介
本书阐述了铁路文本大数据分析挖掘的理论、技术及应用，内容包括：绪论、文本大数据分析挖掘基础、文本大数据分析挖掘理论体系、常用分析与挖掘工具包、铁路文本大数据分析挖掘平台研究、铁路安全文本大数据应用案例、铁路应急管理文本大数据应用案例。
章节目录
- 封面
- 书名页
- 版权页
- 编委会
- 前言
- 目录
- 1 绪论
- 1.1 铁路大数据组成及特点
- 1.2 国内外铁路行业大数据应用现状
- 1.3 铁路大数据应用顶层设计
- 1.4 铁路文本大数据分析需求
- 1.5 铁路文本大数据分析挖掘应用场景分析
- 1.5.1 安全预防
- 1.5.2 应急管理
- 1.5.3 运营决策
- 2 文本大数据分析挖掘基础
- 2.1 统计分析
- 2.1.1 统计分析理论概述
- 2.1.2 参数估计
- 2.1.3 假设检验
- 2.1.4 回归分析
- 2.1.5 方差分析
- 2.1.6 主成分分析
- 2.1.7 时间序列分析
- 2.2 分类分析
- 2.2.1 分类分析法概述
- 2.2.2 决策树分类
- 2.2.3 贝叶斯分类
- 2.2.4 k-近邻分类
- 2.2.5 神经网络分类
- 2.2.6 逻辑回归分类
- 2.2.7 支持向量机分类
- 2.3 聚类分析
- 2.3.1 聚类分析法简介
- 2.3.2 相似度衡量
- 2.3.3 基于层次分析法聚类
- 2.3.4 基于划分聚类分析法
- 2.3.5 以密度为基础的分群算法
- 2.3.6 以模式为基础的聚类算法
- 2.4 相关性分析
- 2.4.1 相关性分析概述
- 2.4.2 图表相关性分析
- 2.4.3 协方差及协方差矩阵
- 2.4.4 相关系数
- 2.4.5 关联规则分类
- 2.5 信息论基础
- 2.5.1 熵
- 2.5.2 联合熵和条件熵
- 2.5.3 互信息
- 2.5.4 相对熵
- 2.5.5 交叉熵
- 2.5.6 噪声信道模型
- 2.6 练习
- 3 文本大数据分析挖掘理论体系
- 3.1 概述
- 3.1.1 自然语言
- 3.1.2 自然语言处理
- 3.1.3 自然语言的语义歧义
- 3.2 文本预处理
- 3.2.1 文本数据获取
- 3.2.2 文本分词
- 3.2.3 文本词性标注
- 3.3 文本表示
- 3.3.1 概述
- 3.3.2 文本向量化
- 3.3.3 文本分布式表示
- 3.4 信息抽取
- 3.4.1 概述
- 3.4.2 命名体识别
- 3.4.3 实体消歧
- 3.4.4 关系抽取
- 3.4.5 事件抽取
- 3.5 文本分类
- 3.5.1 概述
- 3.5.2 文本分类特征选择
- 3.5.3 常用的文本分类算法
- 3.6 文本聚类
- 3.6.1 概述
- 3.6.2 常用的文本聚类算法
- 4 常用分析与挖掘工具包
- 4.1 TensorFlow
- 4.1.1 TensorFlow简介
- 4.1.2 TensorFlow特征
- 4.1.3 TensorFlow应用
- 4.2 PyTorch
- 4.2.1 PyTorch简介
- 4.2.2 PyTorch特征
- 4.2.3 PyTorch应用
- 4.3 Keras
- 4.3.1 Keras简介
- 4.3.2 Keras特征
- 4.3.3 Keras应用
- 4.4 Pandas
- 4.4.1 Pandas简介
- 4.4.2 Pandas特征
- 4.4.3 Pandas应用
- 4.5 Numpy
- 4.5.1 Numpy简介
- 4.5.2 Numpy特征
- 4.5.3 Numpy应用
- 4.6 Neo4j图数据库
- 4.6.1 Neo4j图数据库简介
- 4.6.2 Neo4j特征
- 4.6.3 Neo句应用
- 4.7 Matplotlib
- 4.7.1 Matplotlib简介
- 4.7.2 Matplotlib特征
- 4.7.3 Matplotlib应用
- 4.8 SciPy
- 4.8.1 SciPy简介
- 4.8.2 SciPy特征
- 4.8.3 SciPy应用
- 4.9 Sckit-Learn
- 4.9.1 Scikit-Learn简介
- 4.9.2 Scikit-Learn特征
- 4.9.3 Scikit-Learn应用
- 5 铁路文本大数据分析挖掘平台研究
- 5.1 平台总体架构
- 5.2 技术参考架构
- 5.3 平台数据架构
- 5.4 平台关键技术
- 5.5 平台主要功能
- 5.5.1 数据预处理
- 5.5.2 模型管理
- 5.5.3 应用管理
- 5.5.4 API管理
- 6 铁路安全文本大数据应用案例
- 6.1 基于ES的分布式全文检索
- 6.1.1 全文检索整体架构
- 6.1.2 铁路事故故障文本全文检索
- 6.1.3 融合文本结构及正则表达式的特征提取
- 6.1.4 实验分析
- 6.2 基于Bi-LSTM+CRF的文本特征提取
- 6.2.1 特征提取整体架构
- 6.2.2 文本语料标注与词向量生成
- 6.2.3 基于Bi-LSTM+CRF的特征提取模型构建
- 6.3 基于不平衡文本数据挖掘的铁路事故故障智能分类
- 6.3.1 分类整体架构
- 6.3.2 文本数据处理
- 6.3.3 基于Voting的多分类器集成学习故障智能分类模型
- 6.3.4 实验分析
- 6.4 基于知识图谱的铁路事故故障关联与原因推荐分析
- 6.4.1 整体架构
- 6.4.2 知识图谱的构建
- 6.4.3 事故故障关联与原因推荐分析
- 6.4.4 实验分析
- 6.5 应用实践
- 6.5.1 全文检索RestfulAPI接口设计
- 6.5.2 文本大数据分析可编程数据模型设计
- 6.5.3 事故故障文本大数据分析功能实现
- 7 铁路应急管理文本大数据应用案例
- 7.1 高速铁路应急管理概述
- 7.1.1 基本定义
- 7.1.2 目前存在的问题
- 7.1.3 应急处置业务流程分析
- 7.1.4 应急平台（CEP）总体框架
- 7.2 基于知识图谱的高速铁路应急大数据组织与治理
- 7.2.1 高速铁路应急大数据组织
- 7.2.2 知识图谱构建
- 7.2.3 大数据平台设计
- 7.3 基于高速铁路安全预警大数据的应急预案优化
- 7.3.1 体系及优化需求
- 7.3.2 分级分类体系
- 7.3.3 应急预案优化的大数据分析挖掘算法
- 7.3.4 高速铁路接触网预案优化
- 7.3.5 动车故障与行车中断时间关联分析
- 7.3.6 电务故障与行车中断时间关联分析
- 7.4 融合本体和深度学习的高速铁路应急预案数字化
- 7.4.1 高速铁路突发事件信息文本特征提取
- 7.4.2 高速铁路应急预案数字化管理总体框架
- 7.4.3 高速铁路应急预案数字化构建
- 7.4.4 基于目标树的高速铁路应急处置方案生成
- 7.4.5 高速铁路应急预案数字化案例分析
- 7.5 应用实践
- 7.5.1 应急大数据集成管理
- 7.5.2 应急预案数字化管理
- 7.5.3 接报信息数字化管理
- 7.5.4 高速铁路应急预警
- 7.5.5 应急处置方案自动生成
- 参考文献
- 书脊
- 封底
展开全部
铁路文本大数据分析挖掘研究及应用是2020年由中国铁道出版社出版,作者李平,杨连报。
版权说明：本电子书已获得正版授权，由出版社通过知传链发行。
得书感谢您对《铁路文本大数据分析挖掘研究及应用》关注和支持，如本书内容有不良信息或侵权等情形的，请联系本网站。
