python中的開源數據挖掘/文本分析工具

我有一個充滿各種產品評論的數據庫。我的任務是執行各種計算，並用彙總的數據「創建」另一個「database/xml-export」。我正在考慮用python編寫命令行程序來做到這一點。但我知道以前有人這樣做，我知道有一些開源的python解決方案或類似的，可能會提供更多有趣的「聚合數據」，然後我可能會想到。python中的開源數據挖掘/文本分析工具

問題是我對這個領域並不瞭解太多，然後從命令行進行基本的數據操作，也不知道我應該用什麼術語來搜索這個東西..我真的不是在尋找一些科學/可視化的東西（不是我不介意，如果工具提供），一些簡單的開始，並逐漸看到/開發我所需要的東西。

我唯一的要求是要麼「結束彙總的數據」在數據庫中或作爲XML文件導出沒有專有的東西。它有點強大，然後我的Python腳本，因爲我必須處理4臺機器上的「大量」數據。

任何暗示我應該從哪裏開始我的研究？

謝謝。

來源

2009-09-24 wailer

看起來您正在尋找一個數據集成解決方案。
一個建議是Pentaho套件的開放源代碼Kettle project的一部分。
對於Python，快速搜索產生PyDI和SnapLogic

來源

2009-09-24 18:06:24 Amro

這Pentaho，聽起來很有趣。我想它花了很多！.. – wailer 2009-09-24 18:31:22

絕對不是，有開源社區版（沒有支持）： http://community.pentaho.com/ – Amro 2009-09-24 19:02:51

你想要做什麼樣的分析？

如果您正在分析文本，請查看Natural Language Toolkit（NLTK）。

如果您想索引和搜索數據，請查看whoosh搜索引擎。

請提供一些您正在尋找的分析類型的更多細節。

來源

2009-09-24 17:36:31

總體而言，我有日期/時間，文本（即審查）和審查（所以它有點像螺紋評論）的意見/回覆，在某些情況下，我在評論中有URL，還有其他與用戶相關的東西，比如他的積分等等。現在，我絕對想要某種NLP來分析文本。此外，我想提取/計算值，如「計算機」類別中的評論數量，評論分開的頻率等。我希望它能給你更多的信息。我會看看你上面提到的那些。謝謝。 – wailer 2009-09-24 18:28:29

python中的開源數據挖掘/文本分析工具

回答

相關問題