前言


随着互联网和移动通信技术的快速发展和普及应用，文本挖掘技术备受关注，尤其随着云计算、大数据和深度学习等一系列新技术的广泛使用，文本挖掘技术已经在众多领域（如舆情分析、医疗和金融数据分析等）发挥了重要作用，具有广阔的应用前景。

目前许多教材都是针对英文文本挖掘编写的，笔者将研究对象锁定在中文文本处理，系统讲述了中文文本理解的基本理论，列举研究成果，使之更加适合作为中文文本理解的工具书。本书的参考文献给出了许多中文信息处理的资源，读者可以由此找到所需的中文语料和工具集。

本书以中文文本数据为处理对象，对文本挖掘中的若干经典算法进行了阐述，主要包括分词、特征提取、文本表示、文本分类、文本聚类和文本关联规则。作为应用，第7章利用Python给出了处理文本数据的几个简单案例。

Python在数据挖掘和数据分析方面有着强大的功能，尤其是含有许多调用库，基本上已经达到了
应有尽有的程度。例如，NumPy（Numeric Python）提供了许多高级的数值编程工具，如
矩阵数据类型、矢量处理，以及精密的运算库，这些是Python的一种开源的数值计算扩展。
此外，还有基于Python的机器学习模块sklearn（ScikitLearn）等，所以Python用起来非常方便。在中文文本处理方面Python提供了比较成熟的jieba中文词库，以及用Python编写的类库SnowNLP，可以方便地处理中文文本内容。

本书的Python实验是利用Python 3.6（64位）完成的。
本书配套资源丰富，包括教学大纲、教学课件、电子教案、习题答案、实验指导和教学进度表，扫描封底的“课件下载”二维码，在公众号“书圈”下载； 本书还提供程序源码，扫描目录上方的二维码下载。
本书的编写得到了蔡博、郭倩倩和王红老师的大力帮助，
在此一并向他们表示衷心的感谢！
由于笔者知识水平有限，如有欠妥之处，敬请批评、指正。

刘金岭钱升华2020年8月