
有關文本挖掘的14個概念
我們所處的信息時代以急速增長的數據信息收集、儲存和轉換成電子格式為特征。大量的商業(yè)數據以雜亂無章的文本形式儲存。
據美林公司(Merrill Lynch)和高德納公司(Gartner)聯合進行的一項調查表明,85%的企業(yè)數據或多或少是以無序的方式收集儲存的。同時,調查聲稱這些雜亂無章的數據每18個月增長一倍。
當今商界奉行“知識就是力量”,知識來源于數據和信息,若企業(yè)能夠高效且有效地挖掘文本數據背后的資源,就能夠做出更好的決策。文本挖掘(在文本數據庫也稱文本數據挖掘或者知識發(fā)現)是從大量無結構的數據中提煉出模式(也就是有用的信息和知識)的半自動化處理過程。請注意,數據挖掘是從有結構的數據庫中鑒別出有效的、新穎的、可能有用的并最終可理解的模式。在這個有結構的數據庫中,分類的、順序的或者連續(xù)型變量構建起記錄,數據在這些記錄下進行組織。文本挖掘與數據挖掘的共同之處在于,它們都為了同樣的目標,使用同一處理方式,不同之處在于文本挖掘流程中“輸入”一項是一堆雜亂無章的(或者說是未經整理的)數據文件,比如Word、PDF、本文文檔摘錄、XML文件等。在大量數據產生的領域,文本挖掘的益處尤為突出。信息提取。通過模式匹配尋找出文本中先定的物件和序列,文本挖掘能夠鑒別文本中主要的短語和關系。最常見的信息提取形式大概就是“實體抽取”。命名實體抽取包括命名實體識別(利用現有對域的知識,進行已知實體名稱的識別,包括:人、企業(yè)、地點的名字、時間表達式以及某些數值表達式)、指代消解(檢測文本實體間的同指代和回指代聯系)、關系抽?。ㄨb別實體間的關系)。
話題跟蹤。根據用戶瀏覽的文件記錄,文本挖掘可以預測用戶可能喜歡的其他文本。
總結。文本挖掘可以為讀者總結文本概要,節(jié)省閱讀時間。
分類。文本挖掘能夠發(fā)現穩(wěn)當的主題,并歸置在預先制定的類別之下。
聚類。文本挖掘可以在沒有預先制定的類別時歸類相似的文檔。
概念銜接。文本挖掘可以鑒別文檔的共享概念,從而把相關的文檔連接在一起。用戶由此可以找到傳統搜索方法無法發(fā)現的信息。
答疑。通過知識驅動的模式匹配,文本挖掘可以找出問題的最佳答案。
文本挖掘有自己的語言體系,包括多種多樣的術語和縮略詞。非結構化數據。結構化數據有其預設的格式,常和簡單的數據數值(分類的、順序的或者連續(xù)型變量)一同被組織進入記錄并儲存在數據庫。語料庫。在語言學中,語料庫是一個大型的結構化文本的集合(現在一般是以電子形式儲存和處理),用作知識發(fā)現的工具。術語。術語是由在一個特定域的語料庫中,通過自然語言處理提取的單詞或者多詞短語。概念。概念是通過人工、統計、規(guī)則導向或者多種混合的分類方法,從一系列文檔中生成的特征。與術語相比,生成概念需要更高層次的抽象。詞干提取。詞干提取是將屈折詞簡化到詞干(或者詞根)的處理方式。比如,stemmer,stemming和stemmed都來自stem。停用詞。停用詞(也稱為“干擾詞”),是在自然語言處理之前或者之后被過濾掉的單詞。停用詞沒有統一的清單,大多數自然語言處理工具將冠詞(如a,am,the,of等),助動詞(如is,are,was,were等)以及只在上下文中有意義,不具有區(qū)分價值的詞視作停用詞。
同義詞和多義詞。同義詞是在句法上不同(也就是拼寫不一樣),但是意思一致或者相似的詞語。相反地,多義詞或者“同形異義詞”,是句法上一致,但意義不同(例如bow,有鞠躬、船頭、蝴蝶結等多個意思)。
標記化。標記是句子中已分類的文本塊。根據功能的不同,與標記對應的文本塊被分門別類,這一與意義相關的過程被稱為“標記化”。只要對結構化文本有意義,標記可以是任何形式的。
術語詞典。術語詞典是一個小而專的領域里的術語集合,可以控制從語料庫中提取的字詞。
詞頻。詞頻就是一個單詞在某文本中出現的次數。
詞性標注。詞性標注就是根據單詞的意思和它在上下文的用法標記詞性(是名詞、動詞、形容詞還是副詞)。
形態(tài)學。形態(tài)學是語言學的一個分支,是自然語言處理的一部分,它研究的是詞語的內部結構。
術語-文本矩陣。常用來呈現術語和文本間基于頻率的關系,以表格的形式表現,行表示術語,列表示文本,術語和文本間的頻率以整數形式填在每個格里。
奇異值分解(也稱為潛在語義索引)。是一種將術語——文本矩陣轉化到可操作大小的降維手段。它利用一種與主成分分析法類似的矩陣控制法來生成中等大小的術語——文本頻率表現形式。
數據分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
LSTM 模型輸入長度選擇技巧:提升序列建模效能的關鍵? 在循環(huán)神經網絡(RNN)家族中,長短期記憶網絡(LSTM)憑借其解決長序列 ...
2025-07-11CDA 數據分析師報考條件詳解與準備指南? ? 在數據驅動決策的時代浪潮下,CDA 數據分析師認證愈發(fā)受到矚目,成為眾多有志投身數 ...
2025-07-11數據透視表中兩列相乘合計的實用指南? 在數據分析的日常工作中,數據透視表憑借其強大的數據匯總和分析功能,成為了 Excel 用戶 ...
2025-07-11尊敬的考生: 您好! 我們誠摯通知您,CDA Level I和 Level II考試大綱將于 2025年7月25日 實施重大更新。 此次更新旨在確保認 ...
2025-07-10BI 大數據分析師:連接數據與業(yè)務的價值轉化者? ? 在大數據與商業(yè)智能(Business Intelligence,簡稱 BI)深度融合的時代,BI ...
2025-07-10SQL 在預測分析中的應用:從數據查詢到趨勢預判? ? 在數據驅動決策的時代,預測分析作為挖掘數據潛在價值的核心手段,正被廣泛 ...
2025-07-10數據查詢結束后:分析師的收尾工作與價值深化? ? 在數據分析的全流程中,“query end”(查詢結束)并非工作的終點,而是將數 ...
2025-07-10CDA 數據分析師考試:從報考到取證的全攻略? 在數字經濟蓬勃發(fā)展的今天,數據分析師已成為各行業(yè)爭搶的核心人才,而 CDA(Certi ...
2025-07-09【CDA干貨】單樣本趨勢性檢驗:捕捉數據背后的時間軌跡? 在數據分析的版圖中,單樣本趨勢性檢驗如同一位耐心的偵探,專注于從單 ...
2025-07-09year_month數據類型:時間維度的精準切片? ? 在數據的世界里,時間是最不可或缺的維度之一,而year_month數據類型就像一把精準 ...
2025-07-09CDA 備考干貨:Python 在數據分析中的核心應用與實戰(zhàn)技巧? ? 在 CDA 數據分析師認證考試中,Python 作為數據處理與分析的核心 ...
2025-07-08SPSS 中的 Mann-Kendall 檢驗:數據趨勢與突變分析的有力工具? ? ? 在數據分析的廣袤領域中,準確捕捉數據的趨勢變化以及識別 ...
2025-07-08備戰(zhàn) CDA 數據分析師考試:需要多久?如何規(guī)劃? CDA(Certified Data Analyst)數據分析師認證作為國內權威的數據分析能力認證 ...
2025-07-08LSTM 輸出不確定的成因、影響與應對策略? 長短期記憶網絡(LSTM)作為循環(huán)神經網絡(RNN)的一種變體,憑借獨特的門控機制,在 ...
2025-07-07統計學方法在市場調研數據中的深度應用? 市場調研是企業(yè)洞察市場動態(tài)、了解消費者需求的重要途徑,而統計學方法則是市場調研數 ...
2025-07-07CDA數據分析師證書考試全攻略? 在數字化浪潮席卷全球的當下,數據已成為企業(yè)決策、行業(yè)發(fā)展的核心驅動力,數據分析師也因此成為 ...
2025-07-07剖析 CDA 數據分析師考試題型:解鎖高效備考與答題策略? CDA(Certified Data Analyst)數據分析師考試作為衡量數據專業(yè)能力的 ...
2025-07-04SQL Server 字符串截取轉日期:解鎖數據處理的關鍵技能? 在數據處理與分析工作中,數據格式的規(guī)范性是保證后續(xù)分析準確性的基礎 ...
2025-07-04CDA 數據分析師視角:從數據迷霧中探尋商業(yè)真相? 在數字化浪潮席卷全球的今天,數據已成為企業(yè)決策的核心驅動力,CDA(Certifie ...
2025-07-04CDA 數據分析師:開啟數據職業(yè)發(fā)展新征程? ? 在數據成為核心生產要素的今天,數據分析師的職業(yè)價值愈發(fā)凸顯。CDA(Certified D ...
2025-07-03