试论文本挖掘及其应用.pdfVIP

22 　图　书 　馆 　学 　研 　究 　20084 试论文本挖掘及其应用 肖建国 【摘 　要】本文从文本挖掘的定义着手 , 分析了文本挖掘的过程 , 包括文本预处理 , 文本知识发现 , 文本模式 的评价以及文本模式的呈现 , 并详细介绍了文本挖掘在主动信息服务 、信息检索系统、专利信息分析等方面的 应用 。 【关键词】文本挖掘 　文本预处理 　文本特征 　主动信息服务 　信息检索 Abstract : The t he si s b e gin s fro m t he definition of t ext minin g , a n alyz e s t he p ro c e s s of t ext minin g , including t he t ext p r et r e a t ment , t he t ext knowl e dge di scoverin g , t he t ext p a t t ern app r ai s al a s w ell a s t ext p at t ern p r e sentin g , a n d int ro duc e s t he applic a tion of t ext minin g in t he initi a tive informa tion servic e , t he informa tion r et ri ev al sy st em , p at ent information a n aly si s a n d so on Key words : t ext mining 　t ext p r et r e at ment 　t ext ch ar a ct eri stic 　initi ative informa tion servic e 　informa tion r et ri ev al 　　随着互联网的大规模普及和社会信息化程度的提 挖掘项 目也各有其侧重点。因此 , 对文本挖掘的定义 高 , 文本信息的快速积累使公司、政府和科研机构在 也有多种 , 其中被普遍认可的文本挖掘定义如下 : 信息处理和使用中面临前所未有的挑战。一方面 , 互 文本挖掘 ( Text Minin g , TM) 也称为文本数据挖 联网和各种信息机构每天都不断产生大量的有价值的 掘 ( Text Da t a Mining , TDM ) 或 文 本 知 识 发 现 文本数据 ; 而另一方面 , 因为技术手段的落后 , 从这 ( Knowle d ge Di scovery in Text s , KDT) , 它是指从大 些文本数据资源中获取需要的信息十分困难 。人们迫 量文本数据中抽取事先未知的、可理解的、最终可用 切需要研究出方便有效的工具去从大规模文本信息资 的知识的过程 , 同时运用这些知识更好地组织信息以 源中提取符合需要的简洁 、精炼 、可理解的知识 , 文 便将来参考 。直观地说 , 当数据挖掘的对象完全 由文 本挖掘就是为解决这个问题而产生的研究方向。 本这种数据类型组成时 , 这个过程就称为文本挖掘 。 1 　文本挖掘的定义 2 　文本挖掘的过程 文本挖掘的主要 目的是从非结构化的文本文档中 文本挖掘主要由以下几部分组成 : 提取有趣的、重要的模式和知识 。所以它可以看成是 2 1 　文本预处理 基于数据库的数据挖掘或知识发现的扩展 。但与传统 文本预处理指选取与任务相关的文本并将其转化 的数据挖掘相比,