什麼是文本挖掘的基本算法？

Question

我試圖做一個應用程序從網上挖掘一些文本，但我不知道什麼是執行文本挖掘的最佳方式。

我對這個問題的想法是知道什麼是最常用的技術/算法來執行文本挖掘和在文檔中做一些信息檢索（而不是索引）。

Answer 1

文本挖掘是一個相當廣泛的術語，它大致意味着機器學習應用於文本。常用的技術包括：平均Dirichlet分配，平均Dirichlet分配，平均Dirichlet分配，均值聚類，樸素貝葉斯和線性SVM分類，tf-idf矢量化，SVD（稱爲LSA）。因此，執行「一些文本挖掘」可能意味着任何事情，就像做「一些信息檢索」一樣。

請參閱劉兵的書網絡數據挖掘爲一個良好的介紹領域。

Answer 2

我認爲cluster analysis是text mining最常用的技術。

Answer 3

最基本的文本挖掘技術是Regular expressions。