灵玖软件:NLPIR文本聚类智能挖掘文本数据

供应商
灵玖中科软件(北京)有限公司
认证
联系电话
010-62648216
市场部专员
张先生
所在地
北京市海淀区苏州街49-3号5层11号
更新时间
2017-12-19 14:55

详细介绍

  在当今时代信息爆炸的情况下,一方面网络信息的规模急剧膨胀,另一方面信息又凌乱无序,有价值的信息湮没在大量冗余信息中,对其发现和管理变得越来越困难。为此,以文本聚类信息进行数据挖掘引起了越来越多人的兴趣。

  文本聚类就是从很多文档中把一些内容相似的文档聚为一类。文本聚类主要是依据的聚类假设:同类的文本相似度较大,而不同类的文本相似度较小。作为一种无监督的机器学习方法,聚类由于不需要训练过程,以及不需要预先对文本手工标注类别,因此具有一定的灵活性和较高的自动化处理能力,已经成为对文本信息进行有效地组织、摘要和导航的重要手段,为越来越多的研究人员所关注。

  聚类分析是一种无指导的机器学习方法,在机器学习、统计分析、模式识别、数据挖掘、生物学等许多领域得到了广泛的研究与应用。聚类的基本目的是将数据对象按照一定的标准分成若干个簇,使得同一个簇中的对象之间相似度较大,不同簇之间的对象相似度较小。文档的聚类分析与一般的聚类分析类似,往往包括如下5个步骤:

  (1).模式表示,往往包括特征抽取和特征选择,把数据对象表示成适合于算法可计算的形式;

  (2).根据领域知识定义模式之间的距离测度公式;

  (3).聚类或者分组;

  (4).数据抽象表达(如果需要);

  (5).评价输出结果(如果需要)。

  一个文本表现为一个由文字和标点符号组成的字符串,由字或字符组成词,由词组成短语,进而形成句、段、节、章、篇的结构。要使计算机能够高效地处理真是文本,就必须找到一种理想的形式化表示方法,这种表示一方面要能够真实地反应文档的内容(主题、领域或结构等),另一方面,要有对不同文档的区分能力。nlpir文本聚类是目前反应使用效果比较好的文本聚类系统。

  nlpir文本搜索与挖掘系统针对互联网内容处理的需要,融合了自然语言理解、网络搜索和文本挖掘的技术,提供了用于技术二次开发的基础工具集。

  nlpir文本聚类模块是基于相似性算法的自动聚类技术,自动对大量无类别的文档进行归类,把内容相近的文档归为一类,并自动为该类生成标题和主题词。适用于自动生成热点舆论专题、重大新闻事件追踪、情报的可视化分析等诸多应用。

  灵玖基于文章集合核心语义理解技术,不仅聚类速度快,而且准确率高,并能自动得到类别间的演化趋势。

  文本信息挖掘是数据挖掘中重要的研究领域之一,文本数据是一种无机构或半结构化的数据,对文本信息的处理需要自然语言的支持,计算机不能很好的处理文本数据中的多义、歧义等问题,若要获得深层次信息需要深入探索研究。文本聚类作为文本信息挖掘的重要方式之一,对intemet上搜索引擎和信息架构的构建等起到了重要的作用。


大数据搜索 语义分析 智能挖掘 中文分词

展开全文

我们其他产品
我们的新闻
咨询 在线询价 拨打电话