北京邮电大学博士学位论文第一章绪论的组成非常复杂,但文本信息依然占重要的比重。这是因为文本是信息的主要载体,而多数其他形式的信息(图像、语音)均可以用文本进行标注。因此,面对如此庞大而且急剧膨胀的信息海洋,如何有效地组织和管理这些信息,并快速、准确、全面地从中找到用户需要的信息是当前信息科学和技术领域面临的一大挑战。文本挖掘正是为解决这个问题而产生的研究方向。
首先区分文本(text)和文档(do咖∞t)的概念,我们认为文档是一个较为广义的概念,其内涵涵盖各种文本组织形式,其外延包括文本文档、图像文档、视频文档及其混合组织形式。而这里所研究的对象——“文本"所指的是文本文档(tcxtdoc岫ent),其内涵涵盖纯文本对象,其外延包括各种以纯文本内容为主的文本组织形式,包括w曲网页、邮件/讨论组、短信、Blog等【31。
文本挖掘是一个跨学科的研究领域,它以文本为研究对象,涉及到数据挖掘、模式识别、信息检索、自然语言处理等多个领域的内容。不同的研究者从各自的研究领域出发,对文本挖掘的含义有不同的理解,不同应用目的的文本挖掘项目也各有其侧重点。因此,对文本挖掘的定义也有多种,其中被普遍认可的文本挖掘定义为: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【4】。文本挖掘的子任务涵盖了文本分类【51、文本聚类【6】、文本检索阴、信息抽取【8】等等。
W曲文本挖掘就是从W曲文档和W曲活动中发现、抽取感兴趣的、潜在有用的模式和隐藏的信息的过程【9】。w曲文本挖掘与普通的平面文本挖掘有类似之处,但是,W曲文本又有其自身的特点。例如,通信网中的短信、互联网中即时聊天工具和聊天室产生的聊天记录等文本具有每条记录包含字符少,而文本数量巨大的特点;BBS、w曲log等形式的网页越来越多的出现了带有个人情感色彩的文章、言论,这些由用户产生的文本包含大量不规范用语、网络流行语等。这些特点对传统文本挖掘的方法提出了新的任务和挑战。本文的工作重点在于解决w曲文本挖掘中的若干关键问题,包括对短文本、W曲log网页的聚类、情感分类、信息抽取和检索等。
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击此处进行反馈。 加入会员!获取文档下载券 WEB文本挖掘中关键问题的研究 文本挖掘,数据...
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击此处进行反馈。 加入会员!获取文档下载券 WEB文本挖掘的研究 文章首先探讨了Web挖掘的...
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击此处进行反馈。 加入会员!获取文档下载券 WEB文本挖掘中关键问题的研究[1] 文本挖掘...
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击...基于Web的文本挖掘的研究 基于web的文本挖掘是文本挖掘的一个重要的组成部分,本...
如要投诉违规内容,请到百度文库投诉中心;如要提出功能问题或意见建议,请点击...基于Web的文本挖掘研究 基于Web的文本挖掘是数据挖掘的重要组成部分,文章重点对...
文本分类技术是Web文本挖掘中一项最重要的技术,随着中文网页数量的急 剧增加,...目前对此问题的研究较少,普遍 采用的方法是首先设定一个固定阀值,然后分别计算待...
因此 , 要想对 集成问题 。 2 Web 文本挖掘的定义 自然语言处理 、 数据...文本挖掘的关键技术 .1 4 文本特征表示 文本特征指的是代表 Web 文本的元数 ...
Web 文本挖掘的相关问题进行分析, 就 在分析 web 挖掘和其研究方向的基础上, 重点对于 web 文本挖掘进行探讨。 〔关键词〕 web 挖掘; Web 文本挖掘; 文本分类...
基于Web的文本挖掘是数据挖掘的重要组成部分,探讨了Web文本特征提取、文本分类、文本聚类等Web文本挖掘关键实现技术,最后讨论了Web文本挖掘的价值及其对Web发展的重要性...
Web文本挖掘技术是解决上述问题的一一种方法。Web 文本挖掘借鉴数据挖掘的基本思想和理论方法,从大量非结构化、异构的 Web文档的集合中发现有效的、新颖的、潜在可用...
热门文档