文本分析是指文本中抽取特征词进行量化以表示文本信息。
文本一般指文字。
它是自然语言处理的一个小分支，自然语言处理还包括语音识别（常见的）等。
目的：
先决条件：将无结构化的原始文本转化为结构化的，计算机可以识别和处理的信息。
优势特点：从而可以利用机器学习，分类聚类等算法，对文本进行分析处理。
关键环节：对文本进行抽象，建立数学模型，用来描述和代替文本。
应用场景：处理后的文本就是高度抽象和特征化的，可以实现广告推荐，舆情监测等。
关键技术：
1、用向量空间模型描述文本。将非结构化文本转化为结构化。
为什么不用词频统计和分词算法，是因为这两种方法得到的特征向量维度非常大，后期矢量处理开销非常大，不利于后期分类、聚类。
主流方法是用特征词来表示文本，特征词必须满足：能识别文本内容、去区分其它文本、个数不能太多、容易实现。
特征词选取后，必须有相应的权值表示不同的影响，最好对其进行排序。
2、特征词选取的四种方式：
用映射或者转换的方法将原始特征变为较少特征。
在原始特征中挑选出具有代表性的特征。
根据专家挑选最优影响力的特征。
利用数学模型，找出最具分类型的特征。这种方式最客观，最精确。
转载自网络 不用于商业宣传 版权归原作者所有，侵权删。
41019702002033