资料探勘在文字探勘上应用.pptVIP

資料探勘第三單元 資料探勘的應用 資料探勘在文字探勘上的應用 本周綱要 何謂文字探勘 文字探勘的相關工作 文字探勘的應用範圍 文字探勘的相關技術 何謂文字探勘 文字的資料通常是以半結構化（semi-structured）或非結構化（unstructured）的型式儲存。 文件資料庫、電子書、數位圖書館、電子郵件、新聞資料庫、技術與商業的文件、報告、研究文獻、網路上的網頁、超文件標示語言。 利用資料探勘於文字資料的特殊技術，一般被稱為「文字探勘」（Text Mining） 從非(半)結構化文件中，擷取隱晦有用的片段、模型或規則及未被發掘、有潛在價值的資訊或知識。 整合不同資訊領域的技術如： 資料探勘技術、資訊檢索、資訊萃取、資訊理論、計算語言學、自然語言處理、知識表示、機器學習、人工智慧、軟式計算、… 應用範圍包含： 資訊搜尋、訊息過濾、知識萃取、知識管理、決策輔助、… 文字探勘的概念架構示意圖 文字探勘的相關工作 文字的分類（Text categorization） 文件的叢聚（Document clustering） 文字規則的探勘（Rule mining from text） 由文字中探勘概念、分類、關係（Concept/Taxonomy/Relationship mining from text） 運用於語意網(semantic web) 資訊整合（Information integration） 文件結構的探勘與分段（Structuring mining and text segmentation） 文件摘要（Text summarization） 文件的瀏覽與視覺化（Text navigation and visualization） 文字探勘的應用範圍 網頁上的應用（Web applications） Personal Web Watcher Citeseer Google 生物資訊（Bioinformatics） 微陣列分析（Microarray analysis） 縮寫的探勘（Abbreviations Mining） 同質性的搜尋（Homology Search） 商業領域與顧客關係管理（Business and CRM） Call-Center Database 自然語言處理（Natural Language Processing; NLP） 文字規則的推論（Inference rules） 同義字的定義（Synonyms Identification） 照應詞解析（Coreference resolution） 網路日誌的分析（Blog analysis） 每個人所建立的網路日誌，所使用的格式、段落、語言、文法、寫作風格。 文字探勘的相關技術 關鍵字為基礎的搜尋與探勘（Keyword-based search and mining） 文字分析與擷取（Text analysis and retrieval） 以數學方式進行文件的模式化（Mathematical modelling of documents） 相似度基礎的文件比對與查詢（Similarity-based matching for documents and queries） 軟式運算的方法（Soft computing approaches） * *