问题标签 [mining]

我正在进入一个项目来进行意见挖掘（数据挖掘-> 网络挖掘-> 意见挖掘）以获取所包含单词的语义方向。我们将使用爬虫来获取页面意见。现在的问题是，我应该使用哪种类型的数据库（OO、关系、分层等），最好在这种类型的项目中使用。我知道这是一个具体的问题，我不期待每个人的回应，但至少有人已经这样做了，这会有所帮助。

问候！

我正在寻找以图形方式实现临时查询功能的常见模式。我查看了 Access 和 TOAD 中的 SQL 查询构建器，但如果有人知道针对特定领域数据仓库（例如临床数据库）构建此类工具的产品，我很感兴趣。

谢谢，

我的高级项目正在确定网页的主要类别。我爬取了 dmoz。现在我正在尝试构建 arff。之后我将使用一些特征提取方法和分类算法。您知道哪种特征提取方法在任何用于 Web 挖掘的分类算法中表现良好吗？

我正在寻找最好的工具来提取嵌入在最流行的图像文件格式（特别是 JPEG 和 PNG）中的任何和所有元数据。我想知道里面有什么（XMP、Exif、IPTC/IIM 等）。理想情况下，我正在寻找一种可以从命令行运行的一体化解决方案，但有兴趣了解该领域中任何其他有价值的工具。

我发现了以下内容，每个都有优点/缺点：

• ExifTool很好，但是我想要的输出有点粗暴。
• DumpImage来自元数据工作组的元数据具有良好的格式，它确实找到了，但不支持 PNG。

我一直在尝试在集体智能领域学习文本挖掘和其他相关的东西。我有兴趣制作一个可以扫描文档并在页面上显示相关帖子/文章的应用程序。

什么算法有助于检索所需信息？

谢谢

/一个

我正在尝试对来自社交网络的帖子之间的相似性进行评分，但没有找到任何好的算法，想法？

我刚试过 Levenshtein、JaroWinkler 和其他人，但那些更习惯于比较没有情感的文本。在帖子中，我们可以看到一个文字说“我真的很喜欢狗”，而另一个文字说“我真的很讨厌狗”，我们需要将此案例归类为完全不同的案例。

谢谢

我需要做一个实验，我是 NLP 的新手。我读过解释理论问题的书籍，但在实践方面，我发现很难找到指南。所以请谁知道 NLP 中的任何事情，尤其是实际问题告诉我并指出正确的道路，因为我觉得我迷路了（有用的书籍、有用的工具和有用的网站）

我要做的是获取一个文本并在其中找到特定的单词，例如狗、猫等动物，然后我需要在每一侧提取这个单词和 2 个单词。例如

提取的文本将是

这将是我对机床的训练示例

Q1：将有大约 100 个与我上面解释的类似的训练示例。我使用 tocknizer 来提取单词，但我如何提取特定的单词（对于我们的示例，所有类型的动物），每边有 2 个单词。例如，我需要使用标签吗？或者你的想法是什么？

Q2：如果我有这些训练样例，我该如何准备合适的数据集给机床进行训练？我应该在这个数据集中写什么来指定动物，我应该提供其他特征吗？以及如何将其排列在数据集中。

你的很多话可能对我有很大帮助请不要犹豫告诉你所知道的

有谁知道如何生成可能的拼写错误？

示例：失业 - uemployment - onemploymnet -- 等等。

让我们做一些文本挖掘

在这里，我支持一个文档术语矩阵（来自tm包）

当我做一个

我看到它是一个“列表”，结构看起来像

所以我尝试一个

这适用于 1000 个文档。

但是当我尝试使用 40000 时，它不再适用了。

我收到此错误：

向量中的错误...：向量不能是 NA 附加：在 nr * nc NAs 中由整数溢出创建

所以我查看了 as.matrix ，结果发现该函数以某种方式将其转换为带有 as.vector 的向量而不是矩阵。到向量的转换有效，但从向量到矩阵的转换无效。

你有什么建议可能是什么问题？

谢谢，船长

简而言之，我需要一些关于我正在尝试实施的解决方案的建议。我正在使用.net 技术实现一个社交网络，我需要从收集并保存在数据库中的数据中推断出知识（一种图/链接挖掘）。我的问题是：

1. 这个任务应该由商业智能工具来执行吗？
2. 你知道任何 .net 框架来处理这种类型的信息（图表）吗？
3. 我应该如何持久化结果数据？使用单独的数据库？