Η εξόρυξη κειμένου είναι η διαδικασία χρήσης της τεχνολογίας υπολογιστών για την αναζήτηση εγγράφων κειμένου για σκοπούς έρευνας και ανάλυσης. Συχνά θεωρείται πολύ παρόμοια με τη διαδικασία που είναι γνωστή ως εξόρυξη δεδομένων, αλλά βασίζεται σε ειδικό προγραμματισμό για να αναζητήσει μη κατηγοριοποιημένο κείμενο και να βρει νόημα ή μοτίβα αντί να αναλύσει προ-κατηγοριοποιημένες πληροφορίες βάσης δεδομένων. Η εξόρυξη κειμένου έχει πολλές εφαρμογές σε τομείς όπως η επιστήμη, το μάρκετινγκ και η οργάνωση δεδομένων.
Η πολυπλοκότητα της οργάνωσης των λέξεων στη γλώσσα είναι πολύ ακραία για να χειριστούν οι υπολογιστές, αλλά οι επιστήμονες έχουν εργαστεί σκληρά για να βελτιώσουν αυτό το είδος προγραμματισμού. Έχουν αναπτυχθεί πολλές μέθοδοι που επιτρέπουν στους επιστήμονες να εντοπίζουν φράσεις και να ανακαλύπτουν γεγονότα σχετικά με το κείμενο. Αυτό γενικά δεν είναι το ίδιο με την πλήρη αποκρυπτογράφηση του νοήματος, αλλά επιτρέπει συντομεύσεις που επιτυγχάνουν πολλούς από τους ίδιους στόχους. Η εξόρυξη κειμένου εκμεταλλεύεται μερικές από αυτές τις τεχνικές και καθώς βελτιώνεται αυτή η τεχνολογία, η εξόρυξη κειμένου αναμένεται επίσης να βελτιωθεί επίσης.
Οι ειδικοί χρησιμοποιούν την ανάλυση πληροφοριών κειμένου κυρίως για να κάνουν έρευνα σε γραπτά έγγραφα. Μεγάλες ποσότητες γραπτών δεδομένων μπορεί να είναι δύσκολο να αναλυθούν λόγω του τεράστιου χρόνου που απαιτείται. Οι υπολογιστές μπορούν να περάσουν από αυτό το κείμενο πολύ πιο γρήγορα, αλλά δεν μπορούν να το καταλάβουν. Οι τεχνικές εξόρυξης κειμένου επιτρέπουν στους υπολογιστές να βρίσκουν χρήσιμες τάσεις στο κείμενο, παρουσιάζοντας τα δεδομένα με τρόπο που μπορεί να αποκαλύψει νέα δεδομένα ή να επιτρέψει στους ειδικούς να κάνουν ανακαλύψεις.
Ένα παράδειγμα χρήσης αυτής της τεχνολογίας θα ήταν η έρευνα αγοράς. Οι ειδικοί θα μπορούσαν να αναλύσουν τα αποτελέσματα αναζήτησης για ένα όνομα προϊόντος και να ζητήσουν από το πρόγραμμα να αναζητήσει φράσεις που εκφράζουν το συναίσθημα του χρήστη. Με αυτόν τον τρόπο, μπορεί να ανακαλύψουν πώς πραγματικά αισθάνονται οι άνθρωποι για το προϊόν τους με πολύ λεπτομερή τρόπο. Θα μπορούσαν επίσης απλά να αναζητήσουν το προϊόν τους και να δουν ποιες φράσεις εμφανίζονταν συχνότερα, και αυτό μπορεί να τους βοηθήσει να αναπτύξουν νέες ιδέες για το πώς να ευχαριστήσουν τους πελάτες τους.
Μια άλλη χρήση για εξόρυξη κειμένου είναι η ανάλυση επιστημονικών εργασιών σε παρόμοια θέματα που αναζητούν νέες τάσεις ή συμφωνίες. Αυτό επέτρεψε σε ορισμένους επιστήμονες να κάνουν προβλέψεις που έχουν αποδειχθεί χρήσιμες σε τομείς όπως η ανάλυση πρωτεϊνών. Ορισμένοι ειδικοί πιστεύουν ότι τέτοιου είδους εφαρμογές μπορεί τελικά να παρέχουν απροσδόκητες ανακαλύψεις.
Μια διαδικασία που ονομάζεται εξόρυξη δεδομένων είναι στην πραγματικότητα αρκετά παρόμοια με την εξόρυξη κειμένου, αλλά είναι γενικά λιγότερο περίπλοκη, επειδή βασίζεται σε κείμενο που έχει ήδη διαμορφωθεί σε κατηγορίες. Για παράδειγμα, το λογισμικό θα μπορούσε να περάσει από όλες τις πληροφορίες για τους αιτούντες εργασία σε μια βάση δεδομένων, αναζητώντας τάσεις. Η εξόρυξη κειμένου είναι πιο δύσκολη για τους υπολογιστές επειδή το καθαρό κείμενο είναι πιο δύσκολο να αναλυθεί από τα δεδομένα με κατηγορίες.
SmartAsset.