MARC details
| 000 -CABECERA |
|---|
| Longitud fija campo de control |
ntdaa22 ab4500 |
| 003 - IDENTIFICADOR DEL NÚMERO DE CONTROL |
|---|
| Identificador del número de control |
UnInEc |
| 005 - FECHA Y HORA DE LA ÚLTIMA TRANSACCIÓN |
|---|
| Fecha y hora de la última transacción |
20190729162910.0 |
| 006 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA - CARACTERÍSTICAS DEL MATERIAL ADICIONAL |
|---|
| Códigos de información de longitud fija - Características del material adicional |
a||||g ||i| 00| 0 |
| 008 - CÓDIGOS DE INFORMACIÓN DE LONGITUD FIJA |
|---|
| Códigos de información de longitud fija |
140501s9999 mx ||||f |||| 00| 0 spa d |
| 020 ## - NÚMERO INTERNACIONAL NORMALIZADO PARA LIBROS |
|---|
| Número Internacional Normalizado para Libros (ISBN) |
9781483369341 |
| 040 ## - FUENTE DE LA CATALOGACIÓN |
|---|
| Centro catalogador de origen |
CIBESPAM MFL |
| 041 ## - CÓDIGO DE LENGUA |
|---|
| Código de lengua del texto;banda sonora o título independiente |
spa. |
| 082 ## - NÚMERO DE LA CLASIFICACIÓN DECIMAL DEWEY |
|---|
| Número de clasificación |
004.3 |
| Cutter |
IG24 |
| Dato adicional |
2017 |
| 100 ## - PUNTO DE ACCESO PRINCIPAL-NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Ignatow, Gabe |
| 245 ## - MENCIÓN DE TÍTULO |
|---|
| Título |
Text Mining: A Guidebook for the Social Sciences. |
| 250 ## - MENCIÓN DE EDICIÓN |
|---|
| Mención de edición |
Primera edición |
| 260 ## - PUBLICACIÓN, DISTRIBUCIÓN, ETC. (PIE DE IMPRENTA) |
|---|
| Lugar de publicación, distribución, etc. |
EE.UU |
| Nombre del editor, distribuidor, etc. |
SAGE |
| Fecha de publicación, distribución, etc. |
2017 |
| 300 ## - DESCRIPCIÓN FÍSICA |
|---|
| Extensión |
208 páginas; |
| Otras características físicas |
Imágenes, Cuadros, tablas; |
| Dimensiones |
187 x 231 x 10.16 mm | 360g. |
| 500 ## - NOTA GENERAL |
|---|
| Nota general |
Online communities generate massive volumes of natural language data and the social sciences continue to learn how to best make use of this new information and the technology available for analyzing it. Text Mining: A Guidebook for the Social Sciences brings together a broad range of contemporary qualitative and quantitative methods to provide strategic and practical guidance on analyzing large text collections. This accessible book, written by sociologist Gabe Ignatow and computer scientist Rada Mihalcea, surveys the fast-changing landscape of data sources, programming languages, software packages, and methods of analysis available today. Suitable for novice and experienced researchers alike, the book will help readers use text mining techniques more efficiently and productively. |
| 505 ## - NOTA DE CONTENIDO CON FORMATO |
|---|
| Nota de contenido con formato |
Table of contents<br/>Part I: Digital Texts, Digital Social Science<br/>1. Social Science and the Digital Text Revolution<br/>Learning Objectives<br/>Introduction<br/>History of Text Analysis<br/>Risk and Rewards of Text Mining for the Social Sciences<br/>Social Data from Digital Environments<br/>Theory and Metatheory<br/>Ethics of Text Mining<br/>Organization of This Volume<br/>2. Research Design Strategies<br/>Learning Objectives<br/>Introduction<br/>Levels of Analysis<br/>Strategies for Document Selection and Sampling<br/>Types of Inferential Logic<br/>Approaches to Research Design<br/>Part II: Text Mining Fundamentals<br/>3. Web Crawling and Scraping<br/>Learning Objectives<br/>Introduction<br/>Web Statistics<br/>Web Crawling<br/>Web Scraping<br/>Software for Web Crawling and Scraping<br/>4. Lexical Resources<br/>Learning Objectives<br/>Introduction<br/>WordNet<br/>Roget's Thesaurus<br/>Linguistic Inquiry and Word Count<br/>General Inquirer<br/>Wikipedia<br/>Downloadable Lexical Resources and APIs<br/>5. Basic Text Processing<br/>Learning Objectives<br/>Introduction<br/>Tokenization<br/>Stopword Removal<br/>Stemming and Lemmatization<br/>Text Statistics<br/>Language Models<br/>Other Text Processing<br/>Software for Text Processing<br/>6. Supervised Learning<br/>Learning Objectives<br/>Feature Representation and Weighting<br/>Supervised Learning Algorithms<br/>Evaluation of Supervised Learning<br/>Software for Supervised Learning<br/>Part III: Text Analysis Methods from the Humanities and Social Sciences<br/>7. Thematic Analysis, QDAS, and Visualization<br/>Learning Objectives<br/>Thematic Analysis<br/>Qualitative Data Analysis Software<br/>Visualization Tools<br/>8. Narrative Analysis<br/>Learning Objectives<br/>Introduction<br/>Conceptual Foundations<br/>Mixed Methods of Narrative Analysis<br/>Automated Approaches to Narrative Analysis<br/>Future Directions<br/>Specialized Software for Narrative Analysis<br/>9. Metaphor Analysis<br/>Learning Objectives<br/>Introduction<br/>Theoretical Foundations<br/>Qualitative Metaphor Analysis<br/>Mixed Methods of Metaphor Analysis<br/>Automated Metaphor Identification Methods<br/>Software for Metaphor Analysis<br/>Part IV: Text Mining Methods from Computer Science<br/>10. Word and Text Relatedness<br/>Learning Objectives<br/>Introduction<br/>Theoretical Foundations<br/>Corpus-based and Knowledge-based Measures of Relatedness<br/>Software and Datasets for Word and Text Relatedness<br/>Further Reading<br/>11. Text Classification<br/>Learning Objectives<br/>Introduction<br/>Applications of Text Classification<br/>Representing Texts for Supervised Text Classification<br/>Text Classification Algorithms<br/>Bootstrapping in Text Classifcation<br/>Evaluation of Text Classification<br/>Software and Datasets for Text Classification<br/>12. Information Extraction<br/>Learning Objectives<br/>Introduction<br/>Entity Extraction<br/>Relation Extraction<br/>Web Information Extraction<br/>Template Filling<br/>Software and Datasets for Information Extraction and Text Mining<br/>13. Information Retrieval<br/>Learning Objectives<br/>Introduction<br/>Theoretical Foundations<br/>Components of an Information Retrieval System<br/>Information Retrieval Models<br/>The Vector-Space Model<br/>Evaluation of Information Retrieval Models<br/>Web-Based Information Retrieval<br/>Software and Datasets for Information Retrieval<br/>14. Sentiment Analysis<br/>Learning Objectives<br/>Introduction<br/>Theoretical Foundations<br/>Lexicons<br/>Corpora<br/>Tools<br/>Future Directions<br/>Software and Datasets for Word and Text Relatedness<br/>15. Topic Models<br/>Learning Objectives<br/>Introduction<br/>Digital Humanities<br/>Political Science<br/>Sociology<br/>Software for Topic Modeling<br/>V: Conclusions<br/>16. Text Mining, Text Analysis, and the Future of Social Science<br/>Introduction<br/>Social and Computer Science Collaboration |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Minería de datos |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
web Rastreo de la web |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Procesamiento de texto básico |
| 650 ## - PUNTO DE ACCESO ADICIONAL DE MATERIA - TÉRMINO DE MATERIA |
|---|
| Término de materia o nombre geográfico como elemento inicial |
Análisis narrativo |
| 700 ## - PUNTO DE ACCESO ADICIONAL - NOMBRE DE PERSONA |
|---|
| Nombre de persona |
Mihalcea, Rada |
| 913 ## - ÁREA Y CARRERA |
|---|
| Área de Conocimiento |
Información y Comunicación (TIC) |
| Carrera |
Carrera de Computación |
| Líneas de Investigación Institucionales |
Soluciones computacionales para el sector agroproductivo y de servicios |
| 942 ## - ENTRADA DE ELEMENTOS AGREGADOS (KOHA) |
|---|
| Fuente de clasificaión o esquema |
Dewey Decimal Classification |
| Koha [por defecto] tipo de item |
Libros |