文本挖掘核心技術及其應用

文本挖掘核心技術及其應用

目錄文本挖掘步驟文本挖掘功能文本挖掘應用2文本挖掘步驟文本挖掘的一般處理過程特征的建立特征集的縮減學習與知識模式的提取知識模式模式質(zhì)量的評價文檔集3文本源原始數(shù)據(jù)預處理過濾虛詞合并詞根分詞特征表示計算權值合并特征過濾特征特征提取權值調(diào)整特征約減文本挖掘文本分類文本聚類關聯(lián)分析模式提取分類模式聚類模式關聯(lián)規(guī)則結果展示展示界面文本挖掘步驟4文本挖掘主要功能及應用

文本挖掘應用實現(xiàn)功能自動分詞文檔歸類自動分類自動聚類信息抽取文本相似性檢索自動摘要輿情監(jiān)控垃圾郵件過濾企業(yè)競爭情報系統(tǒng)電子商務客戶自動問答5目錄文本挖掘步驟文本挖掘功能文本挖掘應用6自動分詞7自動分類莫言對話楊振寧：來生學物理，當下夢飛天時政社會軍事評論文化國際歷史8自動聚類自動對大量無類別的文檔進行歸類，把內(nèi)容相近的文檔歸為一類，并自動為該類生成主題詞，為用戶確定類目名稱提供方便。文本1文本2文本3文本4文本5…………類別1：關鍵詞：比賽、賽季、聯(lián)賽、球隊、比分、太陽、NBA、球員隊員、領先類別2：關鍵詞：旅游、黃金、游客、記者、旅行社、中國、國家、假日、北京、線路類別3：關鍵詞：公司、企業(yè)、招聘、面試、求職、專業(yè)、職業(yè)、學生、大學、人才9信息抽取信息抽取是從文本中抽取指定的一類信息（事件、事實）并將其形成結構化的數(shù)據(jù)，填入一個數(shù)據(jù)庫中以供用戶查詢使用。會議時間1998年3月9日會議地點北京會議召集者/主持人個人姓名/團體名稱Name蔣正華機構、職位Org/Post主席，農(nóng)工民主黨中央會議名稱/標題中國農(nóng)工民主黨第十二屆中央常務委員會第一次會議10信息抽取11文本相似性檢索文本相似性檢索式對一篇文檔到索引庫中查找與其內(nèi)容重復率高的文檔和相似的文檔。目前應用最廣的是論文查重。12自動摘要對文章中的所有句子進行權值運算，對所有的句子按權值排列，提取出權值大的作為關鍵句，進而形成摘要。13目錄文本挖掘步驟文本挖掘功能文本挖掘應用14應用——文檔自動歸類文本源原始數(shù)據(jù)預處理過濾虛詞合并詞根分詞特征表示計算權值合并特征過濾特征特征提取權值調(diào)整特征約減文本挖掘文本分類模式提取分類模式結果展示展示界面15應用——文檔自動歸類16應用——垃圾郵件過濾商家利用電子郵件傳播大量廣告垃圾郵件持續(xù)攀升逐一查看郵件浪費時間面臨的問題對垃圾郵件進行過濾對郵件進行歸類郵件自動回復關鍵需求1718應用——網(wǎng)絡輿情監(jiān)控互聯(lián)網(wǎng)的普及，網(wǎng)絡輿論熱點層出不窮；民意表達向網(wǎng)絡傾斜；網(wǎng)絡輿論一旦被錯誤控制和引導，影響社會穩(wěn)定；面臨的挑戰(zhàn)輿情信息的采集與提取