科研实训-基于机器学习的文本挖掘

关联专业

实验方向

实习成果

导师简介

活动安排

关联专业

计算机，软件
录取标准：简历审核+电话面试(注：学生需具有一定编程基础matlab/Python)。

实验方向

机器学习，数据挖掘，文本挖掘

实习成果

实验报告+推荐信

导师简介

中科院院博士，助理研究员。参与国家自然科学基金、国家重点研发计划项目等7项，在国际著名期刊杂志发表论文15篇(第一作者10篇)。

活动安排

7.23-8.42周远程辅导：项目背景了解，文献阅读，编程训练

8.5-8.9(5天实地实习：每天9:00-16:30)Day1: 文本聚类技术

常用文本聚类技术

k-means算法介绍

Project 1：对文档进行向量化表示

Day2: 主题建模技术

PLSA算法介绍

LDA算法介绍

Project 2：实现k-means算法

Day3: 内容安全技术

内容安全介绍

典型应用案例介绍

常用技术

Project 3：实现PLSA算法

Day4: 文本聚类在内容安全领域的应用

隐秘通信

主题模型在内容安全领域的应用

Project 4：利用LDA算法找到文本主题

Day5: 基于文本聚类的邮件数据分析

分析邮件数据

展示分析结果

项目开放问题讨论与下阶段任务布置

8.10-8.242周远程辅导：完成实验剩余部分

1. 继续在某数据集基础上，用pagerank算法找比较重要的几个人，从主题词中分析人物特点，职务等信息

2. 利用公开的中文语料库，比如搜狗语料库，做文本分类，计算下分类精度，对比不同算法的精度，效率

注：远程辅导是指导师利用邮件、QQ等进行任务布置、讲解和答疑。每周导师与学生沟通1-2次，每次1-2小时。具体时间可灵活安排。