文本挖掘手册：分析非结构性数据的高级方法

摘要

信息时代使得存贮大量的数据变得容易。在万维网、内联网、新闻专线以及其他地方可以利用的文件的增长趋势是压倒一切的。尽管我们可以利用的数据的数量在持续地增加，但是我们吸收和处理这些信息的能力并未能同步增加，而搜索引擎只要通过几个按键就可以获得越来越多的信息，越来越多的文件则进一步加剧了这个矛盾。文本挖掘是一个新的激动人心的领域，通过利用源自数据挖掘、机器学习、自然语言处理、信息检索以及知识管理等技术来试图解决信息超负荷的问题。文本挖掘涉及了文件收集的预处理（文本分类、信息析取、术语析取）、中间表示的存贮、分析这些中间表示的技术（例如：分布分析、集群、趋势分析、关联规则以及结果的可视化）。