分類: 問答 常識詞典 編輯 : 常識 發(fā)布 : 08-24

閱讀 :377

做文本挖掘是否需要了解自然語言處理？做文本挖掘的話是不是懂一些NLP好一些，懂多少呢，越多越好？兩者之間什么聯(lián)系呢？8 個答案

答案 1：

當然需要。既然是“文本挖掘”，自然語言處理最基本的功能點肯定都要做：新詞發(fā)現(xiàn)、分詞、詞性標注、分類、自動提取標簽、實體自動發(fā)現(xiàn)和識別。最基本的這些功能點做了之后，可以用統(tǒng)計方法完成簡單文本挖掘應用，統(tǒng)計方法比如：TF/IDF、Map/Reduce、貝葉斯。再深入一些，就需要：聚類（層次聚類、SVM、V-）、情感趨勢分析。再想提高：語法分析、句式判斷。但一般做到NLP最基本功能點+統(tǒng)計方法即可搞定一般的互聯(lián)網(wǎng)應用。

答案 2：

關(guān)于鄭鈞的回答，我覺得涉及的點很好，但是有些知識不是很準確； -p/reduce 是一種分布式計算的框架，TIIDF可以看作是一種特征表示方法；統(tǒng)計方法比較常用的包括，樸素貝葉斯，最大后驗概率，EM算法,CRF(比如用于分詞)等； SVM不是聚類方法，而是分類回歸方法； V-應該是vector-space-model吧，是向量空間模型，是文本表示的基本模型；常見的聚類方法分為兩類，層次聚類和扁平聚類，扁平聚類的代表算法是經(jīng)典的KMean算法。分類方法也用的很多，比如SVM和決策樹。 NLP本身有一點比較特別的是語言模型；

答案 3：

肯定的，至于要懂到什么程度，取決于具體的應用。

答案 4：

可繁可簡，復雜的可以做到用正則表達式去處理，當然中文不想英文那么規(guī)整；簡單的就做關(guān)鍵字匹配就好了。

答案 5：

作文本挖掘需要學習NLP，因為你需要處理文本，提取出你感興趣的信息。如果你對機器學習熟悉，學習statistical NLP還是比較容易的。另外，也需要補充一些語言學基礎(chǔ)知識。

答案 6：

文本挖掘包括很多個自然語言處理的模塊，如文本分類、文本聚類、文摘、關(guān)鍵詞抽取等，所有這些的基礎(chǔ)也是NLP的基礎(chǔ)工作，包括分詞、詞性標注（很多現(xiàn)成工具）等。所以還是看一些NLP的基礎(chǔ)工作，打好底子。不需要去實現(xiàn)，但需要了解，然后根據(jù)具體應用運用相應的底層工具就好。

答案 7：

首先，肯定是需要的。最基本要做到：新詞發(fā)現(xiàn)、詞頻統(tǒng)計、聚類、分類、文本摘要及關(guān)鍵詞提取、文檔去重、全文檢索等等。

答案 8：

貴不在多，首先在于能真正了解文本挖掘的過程，以及中間涉及到的技術(shù)及應用場合。然后根據(jù)你的需求，對其中某一個分支領(lǐng)域（比如是特征抽取，還是句法分析等等）或者某一個算法（是貝葉斯還是SVM？）進行鉆研...

下一篇:怎樣成為一個成功的銷售或售前？ 下一篇 【方向鍵 ( → )下一篇】

上一篇:iPad 2 什么時候在國內(nèi)上市？ 上一篇 【方向鍵 ( ← )上一篇】