在本模块中，您将学习整体课程设计、作为各种文本挖掘应用基础的自然语言处理技术和文本表示法概述，以及词关联挖掘，尤其侧重于挖掘词关联的两种基本形式之一（即范式关系）。

在本模块中，您将学习更多关于词语关联挖掘的知识，尤其侧重于挖掘词语关联的另一种基本形式（即句法关系），并开始学习主题分析，侧重于从文本中挖掘一个主题的技术。

在本模块中，您将深入学习主题分析，包括混合物模型及其工作原理、期望最大化（EM）算法及其如何用于估计混合物模型的参数、基本主题模型、概率潜语义分析（PLSA）以及潜德里希勒分配（LDA）如何扩展 PLSA。

在本模块中，您将学习文本聚类，包括基本概念、主要聚类技术（包括概率方法和基于相似性的方法）以及如何评估文本聚类。您还将开始学习文本分类，这与文本聚类相关，但使用的是预定义的类别，可视为预定义的聚类。

在本模块中，您将继续学习文本分类的各种方法，包括在判别分类器下分类的多种方法，还将学习情感分析和观点挖掘，包括详细介绍情感分类的一种特殊技术（即序数回归）。

在本模块中，您将继续学习情感分析和意见挖掘，重点是潜在方面评级分析 (LARA)，还将学习文本和非文本数据的联合挖掘技术，包括用于分析文本中与时间、地点、作者和数据来源等各种上下文信息相关联的主题的上下文文本挖掘技术。您还将看到整个课程的摘要。