nlp - 文本挖掘的基本算法是什么？

Question

我正在尝试做一个从网络上挖掘一些文本的应用程序，但我不确定执行文本挖掘的最佳方法是什么。

我想对这个问题了解什么是最常用的技术/算法来执行文本挖掘和在文档中进行一些信息检索（不用于索引）。

Answer 1

文本挖掘是一个相当宽泛的术语，它大致是指将机器学习应用于文本。常用技术包括k均值聚类、朴素贝叶斯和线性 SVM 分类、tf-idf 矢量化、SVD （应用于文本时称为LSA ）、潜在 Dirichlet 分配。因此，执行“一些文本挖掘”可能意味着几乎任何事情，就像进行“一些信息检索”一样。

有关该领域的良好介绍，请参阅 Bing Liu 的书Web Data Mining。

Answer 2

我认为聚类分析是文本挖掘最常用的技术。

Answer 3

最基本的文本挖掘技术是正则表达式。