学习《文本分析》之概述

文本分析的意义

在我们日常的系统中，拥有的数据80%是非结构化的数据，而其中，大部分是文本的形式。非结构化的文本数据，包括电子邮件、博客、微博、客户反馈、医疗记录、合同文本等，而这些文本里隐藏着潜在的价值。只有通过适当的的分析方法，才能从中提取这些有价值的信息。
文本分析（Text Analytics）也称为文本挖掘(Text Mining)，指的是从文本里分析提取出高质量信息的过程。

文本分析主要任务包括

• 文本索引与检索（Indexing and Search);
• 文本分类（Text Classification);
• 文本聚类（Text Clustering）；
• 文档摘要(Document Summarization);
• 主题抽取（Topic Theme Extraction）；
• 命名实体识别、概念抽取、关系建模（Named Entity Recognition, Concept Extraction, Relation Modeling）；
• 情感分析(Sentiment Analysis);

使用到的技术与方法包括：

• 语言学（Linguistics);
• 统计学（Statistics);
• 数据挖掘和机器学习（Data Mining & Machine Learning);
• 自然语言处理（Natural Language Processing, NLP);
• 信息检索（Infornation Reatrieval);

文本分析的主要步骤

文本分析

了解更多知识： 学习《文本分析》之分词、词性标注及语法树