什么是文本分析，文本分析主要运用到了哪些关键技术？

文本分析是指：

从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。
　　人工智能、大数据、云计算和物联网的未来发展值得重视，均为前沿产业，多智时代专注于人工智能和大数据的入门和科谱，在此为你推荐几篇优质好文：
什么是文本挖掘？大数据该挖掘什么？
http://www.duozhishidai.com/article-13833-1.html
大数据时代，文本、语义和社交分析，未来市场将走向何方
http://www.duozhishidai.com/article-2467-1.html
基于深度神经网络,是怎么自动生成文本摘要的
http://www.duozhishidai.com/article-1306-1.html

---

多智时代-人工智能和大数据学习入门网站|人工智能、大数据、物联网、云计算的学习交流网站