文本和数据挖掘

✍ dations ◷ 2025-09-17 17:21:58 #文本和数据挖掘

文本挖掘有时也被称为文字探勘、文本数据挖掘等，大致相当于文字分析，一般指文本处理过程中产生高质量的信息。高质量的信息通常通过分类和预测来产生，如模式识别。文本挖掘通常涉及输入文本的处理过程（通常进行分析，同时加上一些派生语言特征以及消除杂音，随后插入到数据库中），产生结构化数据，并最终评价和解释输出。'高质量'的文本挖掘通常是指某种组合的相关性，新颖性和趣味性。典型的文本挖掘方法包括文本分类，文本聚类，概念/实体挖掘，生产精确分类，观点分析，文档摘要和实体关系模型（即，学习已命名实体之间的关系）。文本分析包括了信息检索、词典分析来研究词语的频数分布、模式识别、标签注释、信息抽取，数据挖掘技术包括链接和关联分析、可视化和预测分析。本质上，首要的任务是，通过自然语言处理（NLP）和分析方法，将文本转化为数据进行分析。劳工密集型的人工纯文字挖掘方法最早出现在20世纪80年代中期，但在过去的十年中，技术的进步已经使这一领域迅速获取进展。文本挖掘已经是信息检索、数据挖掘、机器学习、统计以及计算语言学等学科中的重要领域。由于当前的大多数信息（80％）是以文本的形式来保存，文本挖掘被认为具有较高的商业潜在价值。多语种数据挖掘已经越来越多的引起人们的兴趣：能够根据自己的意愿从跨语种的文字来源中挖掘出有用的信息。许多文本挖掘的软件包是面对安全设备的。它们多数是出于国家安全的的目的，监控和分析类似于互联网新闻、博客等的在线纯文本。对文本挖掘的研究还被包含在文本解密的领域中。Weka工具 http://www.cs.waikato.ac.nz/ml/weka/

相关

分子扩散分子扩散（英语：molecular diffusion），通常简称扩散，是任何粒子（气体或液体）于绝对零度以上之环境下的热力学运动。本行为的速率是温度、流体黏度以及粒子大小（质量）的函数。扩散解释
免疫抑制剂免疫抑制剂（英语：Immunosuppressive drug）是对免疫系统有免疫抑制效用的物质，分为外原的免疫抑制药，一类压制人体免疫反应的相关药物，用于器官移植与各种自体免疫疾病。和内原的免
恋尸癖恋尸，是个人对尸体表现爱恋或性吸引的现象。美国精神医学学会在《精神疾病诊断与统计手册》中把恋尸列为“性欲倒错”。但是恋尸行为的含意显然颇为多样。研究者在访谈恋尸者
肉毒杆菌肉毒杆菌（学名：Clostridium botulinum）是一种生长在常温、低酸和缺氧环境中的革兰氏阳性杆菌，有卵形至长杆形的孢子型态，属次末端或末端的孢子生成方式。肉毒杆菌在不正确加工、
异孢异孢耳霉（学名：Conidiobolus incongruus）是属于虫霉目新月霉科耳霉属的一种真菌，腐生在植物的腐烂组织、枯枝落叶及土壤中。该种分布于中国、印度、美国。
前体药物前体药物（英语：prodrug），也称前药、药物前体、前驱药物等，是指经过生物体内转化后才具有药理作用的化合物。前体药物本身没有生物活性或活性很低，经过体内代谢后变为有活性的物质，
西半球西半球是地球上本初子午线以西，180度经线以东的半球。由于欧洲及非洲的西部在西经，为避免被本初子午线分割，西半球及东半球的分界线有时也被定义为西经20°及东经160°。依照此
圣萨尔瓦多圣萨尔瓦多（西班牙语：San Salvador）简称萨京，是萨尔瓦多的首都及第一大城。最早中美洲的比比尔族（pipil）曾在今圣萨尔瓦多一带建立了首都Cuzcatlán，但后来被遗弃。其后在16世纪，西
婴儿食品婴儿食品指专门制造给0岁到3岁间儿童食用的食品，较软同时有特殊营养符合婴儿需求。世界卫生组织提出一项全球性的公共卫生建议，建议婴儿前六个月应该完全母乳喂养，以达到最佳的
阿拔斯王朝阿拔斯王朝（阿拉伯语：العبّاسيّون‎）是哈里发帝国的一个王朝，也是阿拉伯帝国的第二个世袭王朝。于750年取代倭马亚王朝，定都巴格达，直至1258年被旭烈兀西征所灭。阿拔