← 返回刚才阅读的位置

知识卡片

普通读书笔记卡 · 9839 · 生成模型:Hunyuan

文本挖掘的定义与七大领域

理解等级:初级

文本挖掘的目标是从非结构化文本中抽取先前未知、可理解且可用的知识,并借这些知识重新组织信息。它覆盖七块相互关联的方向:搜索与信息检索解决文档存储和按关键词取回;文本聚类按词汇、段落或文件把相似内容自动归组;文本分类在已标注示例上训练模型,把片段或文件归入预设类别;Web 挖掘关注互联网数据的规模与链接结构;信息抽取把非结构化文本里的实体事实与关系转成结构化数据;自然语言处理在词性标注等底层任务上解析语言符号;概念提取把意义相近的单词短语聚在一起。文本分类之所以是本章焦点,是因为它把给文档找正确主题变成了可训练、可复用的标准流程。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    • 第2章 中文文本分类 · 查看原书依据

      文本挖掘(Text Mining)是从非结构化文本信息中获取用户感兴趣或者有用的模式的过程。其中被普遍认可的文本挖掘定义如下: 文本挖掘是指从大量文本数据中抽取事先未知的、可理解的、最终可用的知识的过程,同时运用这些知识更好地组织信息以便将来参考。

    参考来源

    - 位置:《机器学习算法原理与编程实践》第2章 中文文本分类(源文件:extracted/机器学习算法原理与编程实践/_epub-src/OEBPS/text00010.html) - 结论依据:原文给出被普遍认可的文本挖掘定义,并逐条列出七个主要领域,明确本章聚焦文本分类,直接支撑分类是其中最基础、应用最广的核心技术这一判断。 - 原始内容:文本挖掘(Text Mining)是从非结构化文本信息中获取用户感兴趣或者有用的模式的过程。其中被普遍认可的文本挖掘定义如下: 文本挖掘是指从大量文本数据中抽取事先未知的、可理解的、最终可用的知识的过程,同时运用这些知识更好地组织信息以便将来参考。