非结构化数据分析与应用

　　本书为 高等学校管理科学与工程类专业教学指导委员会大数据管理与应用专业组组织编写的系列教材之一，也是浙江省普通本科高校“十四五”重点教材。本书系统全面地介绍了商业背景下非结构化数据分析的基本理论与方法，以及多个行业的应用案例，主要内容包括背景篇、数据篇、方法篇和应用篇四个部分。 部分为背景篇，重点介绍非结构化数据的概念和特点、管理视角的非结构化数据分析和多个行业的应用案例。第二部分为数据篇，主要讲解文本、图像、视频和音频等非结构化数据的获取和标注，非结构化数据的描述，可视化分析，数据质量问题以及典型的商业数据集。第三部分为方法篇，既介绍了机器学习的经典模型与分析方法、深度学习的现代模型与分析方法等通用的理论分析方法，又重点介绍了文本数据分析、图像数据分析和音频数据分析三类非结构化数据分析的典型方法及其在商业中的应用。第四部分为应用篇，介绍7个场景案例，包括智能零售、电商视频、审核开户、智能制造、智能教育、智慧农业和能耗监管等行业的应用案例。本书将理论方法与应用实践相结合，突出技术方法和商业应用的融合，力求知识系统完整、表述简明扼要、案例典型实用。本书可作为高等学校大数据管理与应用专业专业主干课中大数据分析方法类课程的教材，也可作为管理科学与工程类相关专业本科生或研究生的教材，同时还可作为企业管理人员的参考用书。

暂缺《非结构化数据分析与应用》作者简介

部分 背景篇——导论
第1章 非结构化数据分析概述
1.1 非结构化数据分析概论
1.2 非结构化数据的特点
1.3 管理视角的非结构化数据分析
1.4 非结构化数据分析的应用案例
关键术语
本章小结
即测即评
第二部分 数据篇——描述性分析
第2章 非结构化数据的获取
2.1 文本数据获取
2.2 图像数据获取
2.3 视频数据获取
2.4 音频数据获取
2.5 多模态数据获取
关键术语
本章小结
即测即评
第3章 非结构化数据描述性分析
3.1 数据的描述
3.2 数据的可视化
3.3 数据的质量
关键术语
本章小结
即测即评
第三部分 方法篇——预测性分析
第4章 经典模型与分析方法
4.1 模型评价和模型选择
4.2 集成树模型
4.3 线性模型
4.4 k近邻法
4.5 支持向量机
4.6 K均值聚类
4.7 层次聚类法
关键术语
本章小结
即测即评
*第5章 现代模型与分析方法
5.1 神经网络概念
5.2 卷积神经网络
5.3 RNN和LSTM
5.4 强化学习
5.5 贝叶斯网络
5.6 自编码器Auto-Encoder
5.7 生成对抗网络
关键术语
本章小结
即测即评
第6章 文本数据分析
6.1 文本数据预处理
6.2 文本特征提取
6.3 文本数据分析的应用
6.4 中文NLP开源工具
6.5 案例分析
关键术语
本章小结
即测即评
第7章 图像数据分析
7.1 图像数据分析系统概述
7.2 图像的经典特征
7.3 图像的深度分类方法
*7.4 图像的深度检测方法
7.5 货架商品的检测和识别
*7.6 细粒度商品图像检索
*7.7 商场行人目标重识别
关键术语
本章小结
即测即评
编程习题
*第8章 音频数据分析
8.1 语音预处理和特征
8.2 面向应用的语音识别
8.3 语音合成和质量评估
8.4 案例分析
关键术语
本章小结
即测即评
第四部分 应用篇——场景案例
第9章 典型非结构化数据分析案例
9.1 智能零售案例：行人重识别（ReID）与实体商业数智化
9.2 电商视频案例：多模态短视频内容标签提取及应用
9.3 开户审核案例：多模态识别在证券开户业务中的应用
9.4 智能制造案例：空调主板检测应用和汽车装配指导
9.5 智能教育案例：智云课堂——语音技术应用案例
9.6 智慧农业案例：京东数字农业精细化管理信息平台
9.7 能耗监管案例：基于物联网的建筑能耗监管系统
参考文献