การขุดข้อความเรียกอีกอย่างว่าการวิเคราะห์ข้อความ เป็นขั้นตอนของการแปลงข้อความที่ไม่มีโครงสร้างเป็นข้อมูลที่มีโครงสร้างเพื่อการวิเคราะห์อย่างง่าย การขุดข้อความใช้การประมวลผลภาษาธรรมชาติ (NLP) ทำให้เครื่องสามารถรู้ภาษามนุษย์และประมวลผลโดยอัตโนมัติ
ถูกกำหนดให้เป็นกระบวนการดึงข้อมูลที่จำเป็นจากข้อความภาษามาตรฐาน ข้อมูลบางอย่างที่สามารถสร้างผ่านข้อความ บันทึก อีเมล ไฟล์ จะถูกเขียนด้วยข้อความภาษาทั่วไป โดยทั่วไปแล้วการขุดข้อความจะใช้เพื่อดึงข้อมูลเชิงลึกหรือรูปแบบที่เป็นประโยชน์จากข้อมูลดังกล่าว
การขุดข้อความเป็นวิธีการอัตโนมัติที่ใช้การประมวลผลภาษาธรรมชาติเพื่อให้ได้ข้อมูลเชิงลึกอันมีค่าจากข้อความที่ไม่มีโครงสร้าง มันสามารถแปลงข้อมูลเป็นข้อมูลที่อุปกรณ์สามารถเรียนรู้ การขุดข้อความทำให้วิธีการกำหนดข้อความอัตโนมัติตามความรู้สึก หัวเรื่อง และความตั้งใจ
มีสองวิธีในการกรองและการสตรีม การกรองสามารถลบคำที่ไม่ต้องการหรือข้อมูลที่เกี่ยวข้องได้ คำสตรีมมิ่งรองรับรูทสำหรับคำที่เกี่ยวข้อง หลังจากใช้วิธีสตรีมมิ่ง แต่ละคำถูกกำหนดโดยโหนดรูทของมัน
เป้าหมายหลักของการทำเหมืองข้อความคือการทำให้ผู้ใช้สามารถดึงข้อมูลจากเนื้อหาที่เป็นข้อความและจัดการการดำเนินการต่างๆ เช่น การดึงข้อมูล การดึงข้อมูล การสรุป การจัดหมวดหมู่ (ดูแล) และการจัดกลุ่ม (ไม่ได้รับการดูแล) การแบ่งส่วน และการเชื่อมโยง
เหตุผลหลักหลังจากการนำ Text Mining มาใช้คือการแข่งขันที่รุนแรงมากขึ้นในอุตสาหกรรมธุรกิจ องค์กรหลายแห่งกำลังมองหาโซลูชันที่มีมูลค่าเพิ่มเพื่อเล่นกับองค์กรอื่นๆ ด้วยการเพิ่มความสมบูรณ์ในธุรกิจและการเปลี่ยนแปลงมุมมองของผู้ใช้ องค์กรต่างๆ กำลังได้รับการลงทุนมหาศาลเพื่อให้ได้โซลูชันที่สามารถวิเคราะห์ข้อมูลผู้ใช้และข้อมูลของฝ่ายตรงข้ามเพื่อปรับปรุงความสามารถในการแข่งขัน
การขุดข้อความมีประโยชน์สำหรับการจัดการข้อมูลที่เป็นข้อความ ข้อมูลที่เป็นข้อความไม่มีโครงสร้าง จัดการได้ยาก และคลุมเครือ ดังนั้นการทำเหมืองข้อความจึงกลายเป็นวิธีที่มีประโยชน์ที่สุดสำหรับการแลกเปลี่ยนข้อมูล ในขณะที่การทำเหมืองข้อมูลจะใช้กับข้อมูลทางธุรกิจ
มีการสร้างบันทึกและข้อมูลใหม่ๆ จำนวนมากทุกวันผ่านกิจกรรมทางเศรษฐกิจ วิชาการ และสังคม โดยส่วนใหญ่แล้วจะมีมูลค่าทางเศรษฐกิจและสังคมที่มีนัยสำคัญ
มีเทคนิคหลายอย่างรวมถึงการทำเหมืองข้อความและข้อมูล และการวิเคราะห์ที่จำเป็นในการใช้ประโยชน์จากศักยภาพนี้ วัตถุประสงค์ของวิธีนี้คือเพื่อลดความพยายามในการรับข้อมูลจากเอกสารข้อความชุดใหญ่
- ข้อมูลที่มีโครงสร้าง - มันเกี่ยวข้องกับระเบียนทั้งหมดที่สามารถบันทึกในฐานข้อมูล SQL ในตารางที่มีแถวและคอลัมน์ พวกเขามีคีย์เชิงสัมพันธ์และสามารถแมปลงในฟิลด์ที่ออกแบบไว้ล่วงหน้าได้อย่างง่ายดาย ในปัจจุบัน ข้อมูลเหล่านั้นได้รับการประมวลผลมากที่สุดในการพัฒนาและเป็นวิธีที่ง่ายที่สุดในการจัดการข้อมูล
- ข้อมูลกึ่งโครงสร้าง − ข้อมูลกึ่งโครงสร้างคือข้อมูลที่ไม่รวมอยู่ในฐานข้อมูลเชิงสัมพันธ์ แต่มีคุณสมบัติองค์กรหลายอย่างที่ทำให้วิเคราะห์ได้ง่ายขึ้น กระบวนการบางอย่างสามารถบันทึกไว้ในฐานข้อมูลเชิงสัมพันธ์ (อาจเป็นเรื่องยากมากสำหรับข้อมูลกึ่งโครงสร้างบางประเภท) แต่กึ่งโครงสร้างมีอยู่เพื่อลดพื้นที่ ความแน่นอน หรือการคำนวณ
- ข้อมูลที่ไม่มีโครงสร้าง − ข้อมูลที่ไม่มีโครงสร้างอธิบายข้อมูลประมาณ 80% ประกอบด้วยข้อความและเนื้อหามัลติมีเดีย ประกอบด้วยข้อความอีเมล ไฟล์ประมวลผลคำ วิดีโอ รูปภาพ ไฟล์เสียง งานนำเสนอ หน้าเว็บ และเอกสารทางธุรกิจหลายประเภท
