Text Mining

Fernando Batista e Ricardo Ribeiro

Conteúdo

1. Introdução ao Python e ao Jupyter Notebook (opcional)
   • Jupyter notebook e exemplos introdutórios de Python
   • Homework: Introduction to Python and exercises
   • Leitura de ficheiros CSV
   • Download dos dados utilizados nos exemplos
2. Pré-processamento com vista à representação de documentos
   • Tokenização - tokenização básica, tokenização com NLTK, tokenização de tweets
   • NLP libraries for tokenization, sentence segmentation, stemming, part-of-speech, NER and sentiment analysis
3. Representação de documentos
   • Representação de documentos e cálculo de similaridade
   • Gensim tutorial on corpora and vector spaces
4. Intelligent word representations
   • Embeddings: word2vec, glove, etc
5. Classificação
   • Classical models
   • BERT-based classification
   • Classification with Neural Networks
6. Análise de Sentimento
   • Creating your own classifier (step by step)
   • Creating your own classifier (scikit-learn)
   • Testing different approaches
7. Modelação de tópicos: exemplos com gensim, exemplos com scikit-learn

Referências

1. Linguagem python (wikipedia)

2. Jupyter notebook beginner's guide