文本可视化与前端实现技术

第1章 绪论 1 1.1 文本概述 1 1.1.1 文本的概念 1 1.1.2 文本数据 2 1.1.3 文本信息 2 1.2 可视化概述 3 1.2.1 可视化的概念 3 1.2.2 可视化技术 4 1.2.3 可视化的意义 4 1.3 文本可视化 7 1.3.1 文本可视化的概念 7 1.3.2 文本可视化的类型 8 1.3.2 文本可视化的流程 12 1.4 文本可视化前端技术 14 习题与实践 15 第2章 文本分析技术 16 2.1 文本预处理 16 2.1.1 分词 16 2.1.2 去停用词 19 2.1.3 词干提取 23 2.1.4 词形还原 25 2.2 数据模型 26 2.2.1 基于词汇的数据模型 26 2.2.2 基于语义的数据模型 32 2.2.3 基于句法的数据模型 49 2.3 文本相似度分析 50 2.3.1 基于字符串的相似度 51 2.3.2 基于术语的相似度 54 2.3.3 基于语料库的相似度 57 2.3.4 基于知识库的相似度 59 2.4 文本情感分析 60 2.4.1 基于情感词典的方法 61 2.4.2 基于机器学习的方法 64 习题与实践 68 第3章 文本可视化前端技术 69 3.1 Web前端技术 69 3.1.1 Web 69 3.1.2 前端技术 71 3.2 HTML技术 71 3.2.1 HTML版本 72 3.2.2 HTML内容结构 73 3.2.3 HTML元素 74 3.2.4 HTML属性 74 3.2.5 HTML标签 79 3.2.6 HTML编辑器 90 3.3 CSS 92 3.3.1 CSS的版本 92 3.3.2 CSS对浏览器的支持 93 3.3.3 CSS样式规则 93 3.3.4 CSS样式的使用 94 3.3.5 CSS盒子模型 97 3.3.6 CSS选择器 97 3.3.7 CSS样式属性 107 3.4 JavaScript 111 3.4.1 JavaScript的发展历史 111 3.4.2 JavaScript的组成 112 3.4.3 ECMAScript 112 3.4.4 BOM 119 3.4.5 DOM 121 3.5 Canvas 123 3.6 SVG 126 3.7 D3 129 3.7.1 D3的安装 129 3.7.2 D3的工作原理 129 3.7.3 D3的API组成 131 3.8 ECharts 134 习题与实践 136 第4章 词云内容可视化 138 4.1 词云的发展背景 138 4.2 词云的视觉编码 140 4.3 词云的布局 143 4.3.1 行列排序布局 143 4.3.2 贪婪算法布局 145 4.3.3 接缝雕刻算法布局 146 4.3.4 力导向布局 146 4.4 词云的扩展 147 4.4.1 交互式词云 147 4.4.2 比较词云 148 4.4.3 词云地图 149 4.4.4 小倍数词云 150 4.4.5 时间线词云 150 4.4.6 多方面焦点上下文词云 151 4.5 词云实现 152 4.5.1 数据获取与处理 152 4.5.2 基于Python的词云实现 157 4.5.3 基于ECharts的词云实现 161 4.5.4 基于D3.js的词云实现 167 习题与实践 172 第5章 主题内容可视化 173 5.1 主题建模内容可视化案例 173 5.1.1 LSA主题可视化 174 5.1.2 LDA主题可视化 175 5.1.3 NMF主题可视化 178 5.2 主题可视化的类型 179 5.2.1 静态主题可视化 179 5.2.2 动态主题可视化 181 5.3 主题可视化实践 185 5.3.1 gensim主题工具 185 5.3.2 数据预处理 186 5.3.3 主题提取 187 5.3.4 基于PyLDAvis的主题可视化 190 5.3.5 ECharts主题河流 192 习题与实践 196 第6章 文本情感可视化 197 6.1 文本情感可视化概述 197 6.1.1 数据类型 197 6.1.2 任务类型 198 6.1.3 可视化编码 201 6.2 客户评论情感可视化 201 6.2.1 树形图 202 6.2.2 柱状图和饼图 203 6.2.3 多协调视图 204 6.2.4 缩略图和散点图 205 6.2.5 环状图 206 6.3 社交媒体情感可视化 207 6.3.1 折线图 207 6.3.2 气泡隐喻 208 6.4 文本情感可视化 210 6.4.1 数据处理 210 6.4.2 可视化展示 213 习题与实践 213 参考文献 215