Text Mining หรือ Text Analysis คือกระบวนการแปลงข้อความไม่มีโครงสร้างเป็นข้อมูลมีโครงสร้างเพื่อการวิเคราะห์ที่ง่าย ใช้ NLP ช่วยให้เครื่องจักรเข้าใจภาษามนุษย์และประมวลผลอัตโนมัติ
นิยามว่าเป็นกระบวนการแยกข้อมูลสำคัญจากข้อความภาษามาตรฐาน ข้อมูลที่สร้างผ่านข้อความ บันทึก อีเมล ไฟล์ เขียนในภาษาทั่วไป Text Mining ใช้ทั่วไปเพื่อดึงข้อมูลเชิงลึกหรือรูปแบบที่มีประโยชน์จากข้อมูลดังกล่าว
พื้นที่หลักของ Text Mining ใน Data Mining
1. Information Retrieval (การเรียกค้นข้อมูล)
ถือเป็นส่วนขยายของการเรียกค้นไฟล์ (File Retrieval) และข้อความที่ประกาศถูกประมวลผลเพื่อรวมเข้าด้วยกัน ดังนั้น Document Retrieval จึงตามด้วยกระบวนการ Text Summarization และเน้นที่ Query ที่ผู้ใช้สร้างขึ้น ระบบ IR ช่วยจำกัดชุดบันทึกที่เกี่ยวข้องกับปัญหาเฉพาะ Text Mining ใช้อัลกอริทึมซับซ้อนมากกับชุดเอกสารที่กว้างขวาง IR สามารถเร่งการวิเคราะห์ได้อย่างมีนัยสำคัญโดยการลดจำนวนเอกสาร
2. Data Mining (การขุดข้อมูล)
กระบวนการค้นหาความสัมพันธ์ รูปแบบ และแนวโน้มที่เป็นประโยชน์และใหม่ๆ โดยวิเคราะห์ปริมาณข้อมูลจำนวนมากในคลังข้อมูล ใช้เทคโนโลยีรู้จำรูปแบบ รวมถึงเทคนิคสถิติและคณิตศาสตร์ ใน Data Mining รูปแบบข้อมูลที่ซ่อนอยู่ (Hidden Patterns) ถูกพิจารณาตามหมวดหมู่หลายหมวดเข้าเป็นข้อมูลที่มีประโยชน์ ข้อมูลนี้รวบรวมในพื้นที่รวมถึง Data Warehouses เพื่อวิเคราะห์ และรันอัลกอริทึม Data Mining ข้อมูลนี้ช่วยสร้างการตัดสินใจที่มีประสิทธิภาพ ซึ่งลดต้นทุนและเพิ่มรายได้
3. Natural Language Processing (NLP)
NLP เป็นศิลปะของภาษามนุษย์ วัตถุประสงค์ของ NLP ใน Text Mining คือการส่งระบบในกระบวนการแยกข้อมูลเป็นอินพุต การพัฒนาแอปพลิเคชัน NLP ยาก เพราะคอมพิวเตอร์มักต้องการให้มนุษย์ "พูด" กับมันในภาษาโปรแกรมมิ่งที่เฉพาะเจาะจง ฟรี และมีโครงสร้างมาก มนุษย์พูดปกติไม่ได้แท้จริง เพราะอาจขึ้นอยู่กับตัวแปรซับซ้อนหลายอย่าง เช่น สแลง บริบททางสังคม และภาษาถิ่นภูมิภาค
4. Information Extraction (IE)
Information Extraction คืองานแยกข้อมูลมีโครงสร้างโดยอัตโนมัติจากข้อมูลไม่มีโครงสร้าง ในกรณีทั่วไป กิจกรรมนี้เกี่ยวข้องกับการประมวลผลข้อความภาษามนุษย์โดยใช้ NLP
