第四节 文本挖掘概述.pptVIP

第四节 文本挖掘概述 一、文本挖掘的定义 文本挖掘是数据挖掘的一个分支。 将文本型信息源作为分析对象，利用智能算法，如神经网络、基于案例的推理等，并结合文字处理技术，分析大量的非结构化文本源（如文档、网页、企业管理日志等），从中寻找信息的结构、模型、模式等各种隐含的知识。 文本挖掘就是利用计算机的高速度和海量处理能力，来帮助人们处理文本信息。 一、文本挖掘的定义 文本挖掘（text mining）：是指抽取有效、新颖、有用、可理解的、散布在文本文件中的有价值知识，并且利用这些知识更好地组织信息的过程。 Text data mining 、knowledge discovery from textual databases 二、文本挖掘的作用 提高了海量非结构化信息源的利用价值； 使得人们能够更加方便地从海量文本中发现隐含的知识； 为企业的战略决策提供竞争情报的支持 文本挖掘的过程 相对于数据挖掘而言，文本挖掘技术还不成熟。 文本数量巨大，结构不统一，处于动态变化中； 自然语言理解理论在语言的深层理解方面没有根本性的突破，致使文本处理的准确度不高，文本挖掘的效果不够理想。 计算机理解语言的能力非常有限！ 三、文本挖掘的关键技术 为什么要进行文本分析？ 文本是以文字串形式表示的数据文件。 文本分析过程即通过文本分析，从中找出一些特征以便将来使用。 文本分析包括语种识别、特征提取、文本聚