Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

In this work a model is engineered to depict topic relationships as graphs between detected topics of different time windows. By varying and shifting the time span of consideration the relationships between topics can be mapped with a variable complexity including the topic frequencies. Topic life cycles as well as changes in thematic relationships and their evolution become perceptible. Topics found can be matched in structure as well as their temporal progression to existing events.

Themen-Frequenz --- document streams --- Themen-Graphen --- Dokumentenstrom --- topic-graph --- text mining --- Text Mining --- topic-frequency

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Text mining applications have experienced tremendous advances because of web 2.0 and social networking applications. Recent advances in hardware and software technology have lead to a number of unique scenarios where text mining algorithms are learned. Mining Text Data introduces an important niche in the text analytics field, and is an edited volume contributed by leading international researchers and practitioners focused on social networks & data mining. This book contains a wide swath in topics across social networks & data mining. Each chapter contains a comprehensive survey including the key research content on the topic, and the future directions of research in the field. There is a special focus on Text Embedded with Heterogeneous and Multimedia Data which makes the mining process much more challenging. A number of methods have been designed such as transfer learning and cross-lingual mining for such cases. Mining Text Data simplifies the content, so that advanced-level students, practitioners and researchers in computer science can benefit from this book. Academic and corporate libraries, as well as ACM, IEEE, and Management Science focused on information security, electronic commerce, databases, data mining, machine learning, and statistics are the primary buyers for this reference book.

Computer architecture. Operating systems --- Information systems --- Computer. Automation --- text mining --- multimedia --- database management --- computernetwerken

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Gregor Wiedemann evaluates text mining applications for social science studies with respect to conceptual integration of consciously selected methods, systematic optimization of algorithms and workflows, and methodological reflections relating to empirical research. In an exemplary study, he introduces workflows to analyze a corpus of around 600,000 newspaper articles on the subject of “democratic demarcation” in Germany. He provides a valuable resource for innovative measures to social scientists and computer scientists in the field of applied natural language processing. Contents • Qualitative Data Analysis in a Digital World • Computer-Assisted Text Analysis in the Social Sciences • Integrating Text Mining Applications for Complex Analysis • Democratic Demarcation in Germany • V-TM – A Methodological Framework for Social Sciences • Integrating Qualitative and Computational Text Analysis Target Groups • Researchers and students in the fields of social sciences, digital humanities and communication science, scientists interested in innovative text analysis methods, computer scientists in interdisciplinary projects or research fields working with large amounts of textual data The Author Gregor Wiedemann holds a doctoral degree from Leipzig University, Germany. He is the coordinator of the discipline-specific working groups in the CLARIN-D project, which develops a European virtual research infrastructure for digital language data analysis in the social sciences and humanities.

Science --- Social sciences (general) --- Sociology --- Political systems --- sociologie --- text mining --- onderzoeksmethoden --- sociale wetenschappen --- democratie --- gegevensanalyse --- methodologieën

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Long description: Lernen Sie grundlegende Java-Techniken, die für die Auswertung von Biodaten benötigt werden Eine Einführung in Java für Biowissenschaftler mit Programmiererfahrung Bietet biologische Hintergrundinformationen, soweit sie zum Verständnis des Problems hilfreich sind Mit zahlreichen Übungsaufgaben und Codebeispielen Diese Einführung in die Bioinformatik mit Java vermittelt Ihnen grundlegende Java-Techniken, die für die Analyse von Biodaten benötigt werden. Das Buch richtet sich an Studenten, Wissenschaftler und Praktiker in den Life Sciences, die Grundkenntnisse einer höheren Programmiersprache mitbringen. Es bietet Ihnen einen schnellen Einstieg in Kernthemen der Programmierung in den Life Sciences: - Data und Text Mining, - Datenverarbeitung, - Sequenz-, Bild- und Netzwerkanalysen - Strukturbiologie Genutzt werden dabei verbreitete Open-Source-Bibliotheken wie Maven, Eclipse oder Git. Beispiele aus der Bioinformatik zeigen Ihnen alle notwendigen Schritte, um in kurzer Zeit Ergebnisse mit Java zu erzielen. Biologische Zusammenhänge werden immer dann beschrieben, wenn sie zum Verständnis des Problems hilfreich sind. Biographical note: Jens Dörpinghaus hat Mathematik und Informatik studiert. Nach einigen Jahren am Deutschen Zentrum fürneurodegenerative Erkrankungen arbeitet er seit einiger Zeit als Postdoc am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI (Sankt Augustin) in der Abteilung Bioinformatik. Er unterrichtet an der Universität Bonn im Studiengang Life Science Informatics.Sebastian Schaaf hat Biologie und Bioinformatik studiert und anschließend im Fach Bioinformatik promoviert. Nach einigen Jahren an der LMU München und dem dortigen Standort des Deutschen Krebsforschungszentrums arbeitet er ebenfalls als Postdoc am Fraunhofer-Institut für Algorithmen und Wissenschaftliches Rechnen SCAI in der Abteilung Bioinformatik, zunehmend in medizininformatisch geprägten Projekten. Auch er unterrichtet an der Universität Bonn im Studiengang Life Science Informatics.Vera Weil hat Mathematik und Informatik studiert und anschließend im Fach Informatik promoviert. Sie hat zwei Jahre als Postdoc an der RWTH Aachen am Institut für Management Science gearbeitet. Seit einiger Zeit lehrt sie an der Universität zu Köln im Fach Informatik und unterrichtet dort im Wesentlichen das Programmieren mit Java.

Datenanalyse --- Netzwerkanalyse --- Biologie --- Bildanalyse --- Programmierung --- Informatik --- Naturwissenschaften --- Sequenzanalyse --- Datenauswertung --- Data Mining --- Text Mining --- Biodata-Mining

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Digital methods such as text and data mining are utilised more and more frequently to gather knowledge, thereby offering the ability to recognise patterns in large data sets as well as being the basis of machine learning. This work examines this digital method from a copyright perspective, evaluating the significance and controlling effect of copyright barriers, the special interests involved in scientific copyright law and elements of interdisciplinary knowledge. This comprehensive analysis structures this complex legal matter, identifies deficits and suggests viable solutions. One focus lies on the long-term accessibility of the research data that are generated within this process. Immer häufiger werden digitale Methoden wie das Text- und Data-Mining zur Erkenntnisfindung eingesetzt, das die Möglichkeit bietet, Muster in großen Datensätzen zu erkennen und zugleich Grundlage des maschinellen Lernens ist. Die Arbeit betrachtet diese Methode aus urheberrechtlicher Perspektive und berücksichtigt dabei die Bedeutung und Steuerungswirkung urheberrechtlicher Schranken, die besondere Interessenlage im Wissenschaftsurheberrecht sowie interdisziplinäre Erkenntnisse. In der umfassenden Analyse wird die komplexe Rechtsmaterie strukturiert, es werden Defizite aufgezeigt und konkrete Lösungsvorschläge unterbreitet. Ein Schwerpunkt liegt dabei auf der langfristigen Zugänglichkeit der erzeugten Forschungsdaten.

LNRC --- Bibliotheken, Data Mining, Forschungsdaten, Innovation, Kulturerbe-Einrichtung, Nachnutzung, Schranke, Text Mining, Wissenschaft, Zugang, Urheberrecht, Forschung, Text- und Data-Mining --- Bibliotheken, Data Mining, Forschungsdaten, Innovation, Kulturerbe-Einrichtung, Nachnutzung, Schranke, Text Mining, Wissenschaft, Zugang, Urheberrecht, Forschung, Text- und Data-Mining