99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

熱線電話：13121318867

登錄
首頁大數(shù)據(jù)時代簡單理解文本挖掘的定義與過程
簡單理解文本挖掘的定義與過程
2020-07-02
收藏

文本挖掘是抽取有效、新穎、有用、可理解的、散布在文本文件中的有價值知識，并且利用這些知識更好地組織信息的過程。

文本挖掘指的是從文本數(shù)據(jù)中獲取有價值的信息和知識，它是數(shù)據(jù)挖掘中的一種方法，主要用途是從原本未經(jīng)處理的文本中提取出未知的知識。文本挖掘中最重要最基本的應(yīng)用是實現(xiàn)文本的分類和聚類，前者是有監(jiān)督的挖掘算法，后者是無監(jiān)督的挖掘算法。

但是文本挖掘也是一項非常困難的工作,因為它必須處理那些本來就模糊而且非結(jié)構(gòu)化的文本數(shù)據(jù),所以它是一個多學(xué)科混雜領(lǐng)域,涵蓋了信息技術(shù)、文本分析、模式識別、統(tǒng)計學(xué)、數(shù)據(jù)可視化、數(shù)據(jù)庫技術(shù)、機(jī)器學(xué)習(xí)以及數(shù)據(jù)挖掘等技術(shù)。

文本挖掘的獨特表現(xiàn)：文檔本身是半結(jié)構(gòu)化或非結(jié)構(gòu)化的，無確定形式并且缺乏機(jī)器可理解的語義。對比數(shù)據(jù)挖掘，數(shù)據(jù)挖掘以數(shù)據(jù)庫中的結(jié)構(gòu)化數(shù)據(jù)為主要對象，并利用關(guān)系表等存儲結(jié)構(gòu)來發(fā)現(xiàn)知識。這就需要特殊注意了，有些數(shù)據(jù)挖掘技術(shù)并不適用于文本挖掘，即使能夠使用，也需要在對文本集預(yù)處理的基礎(chǔ)上進(jìn)行。

文本挖掘過程：

第一步：一般確定的大量文本數(shù)據(jù)才是適合應(yīng)用的文檔。文檔聚類方法經(jīng)常用語解決“大量”這個問題。這些方法是非監(jiān)督的學(xué)習(xí)方法，最受歡迎的文檔聚類方法是K-means聚類和凝聚層次聚類。

第二步：文本是被清洗過的——1.將數(shù)據(jù)從網(wǎng)頁上的廣告中拆離出來;標(biāo)準(zhǔn)化文本從二進(jìn)制格式轉(zhuǎn)換而來;表、數(shù)字等式都是經(jīng)過處理的;還有其它的等等。然后，將文本中的詞語與對應(yīng)的詞類標(biāo)記的步驟開始進(jìn)行。之后，一個詞語在依據(jù)給定的話句子中所含有的擁有的許多不同的含義確定了。最后，明確語義結(jié)構(gòu)。

第三步：這些詞語(特征)決定了文本表示。最基本的文檔表示方法有詞袋法和向量空間。這些方法的目標(biāo)在于確定哪些特征可以最好的描述一個文檔。

第四步：特征的維度被降低。為此，無關(guān)的屬性將被移除。

第五步：文本挖掘過程與傳統(tǒng)的數(shù)據(jù)挖掘過程結(jié)合。經(jīng)典的數(shù)據(jù)挖掘技術(shù)如聚類，分類，決策樹，回歸分析，神經(jīng)網(wǎng)絡(luò)和近鄰取樣將被用在之前的階段所得到的結(jié)構(gòu)化數(shù)據(jù)庫上。

數(shù)據(jù)分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

數(shù)據(jù)分析師資訊
更多

OK
客服在線
立即咨詢
客服在線
立即咨詢
') } function initGt() { var handler = function (captchaObj) { captchaObj.appendTo('#captcha'); captchaObj.onReady(function () { $("#wait").hide(); }).onSuccess(function(){ $('.getcheckcode').removeClass('dis'); $('.getcheckcode').trigger('click'); }); window.captchaObj = captchaObj; }; $('#captcha').show(); $.ajax({ url: "/login/gtstart?t=" + (new Date()).getTime(), // 加隨機(jī)數(shù)防止緩存 type: "get", dataType: "json", success: function (data) { $('#text').hide(); $('#wait').show(); // 調(diào)用 initGeetest 進(jìn)行初始化 // 參數(shù)1：配置參數(shù) // 參數(shù)2：回調(diào)，回調(diào)的第一個參數(shù)驗證碼對象，之后可以使用它調(diào)用相應(yīng)的接口 initGeetest({ // 以下 4 個配置參數(shù)為必須，不能缺少 gt: data.gt, challenge: data.challenge, offline: !data.success, // 表示用戶后臺檢測極驗服務(wù)器是否宕機(jī) new_captcha: data.new_captcha, // 用于宕機(jī)時表示是新驗證碼的宕機(jī) product: "float", // 產(chǎn)品形式，包括：float，popup width: "280px", https: true // 更多配置參數(shù)說明請參見：http://docs.geetest.com/install/client/web-front/ }, handler); } }); } function codeCutdown() { if(_wait == 0){ //倒計時完成 $(".getcheckcode").removeClass('dis').html("重新獲取"); }else{ $(".getcheckcode").addClass('dis').html("重新獲取("+_wait+"s)"); _wait--; setTimeout(function () { codeCutdown(); },1000); } } function inputValidate(ele,telInput) { var oInput = ele; var inputVal = oInput.val(); var oType = ele.attr('data-type'); var oEtag = $('#etag').val(); var oErr = oInput.closest('.form_box').next('.err_txt'); var empTxt = '請輸入'+oInput.attr('placeholder')+'！'; var errTxt = '請輸入正確的'+oInput.attr('placeholder')+'！'; var pattern; if(inputVal==""){ if(!telInput){ errFun(oErr,empTxt); } return false; }else { switch (oType){ case 'login_mobile': pattern = /^1[3456789]\d{9}$/; if(inputVal.length==11) { $.ajax({ url: '/login/checkmobile', type: "post", dataType: "json", data: { mobile: inputVal, etag: oEtag, page_ur: window.location.href, page_referer: document.referrer }, success: function (data) { } }); } break; case 'login_yzm': pattern = /^\d{6}$/; break; } if(oType=='login_mobile'){ } if(!!validateFun(pattern,inputVal)){ errFun(oErr,'') if(telInput){ $('.getcheckcode').removeClass('dis'); } }else { if(!telInput) { errFun(oErr, errTxt); }else { $('.getcheckcode').addClass('dis'); } return false; } } return true; } function errFun(obj,msg) { obj.html(msg); if(msg==''){ $('.login_submit').removeClass('dis'); }else { $('.login_submit').addClass('dis'); } } function validateFun(pat,val) { return pat.test(val); }