टेक्स्ट माइनिंग को टेक्स्ट विश्लेषण के रूप में भी जाना जाता है। यह सरल विश्लेषण के लिए असंरचित टेक्स्ट को संरचित डेटा में बदलने की प्रक्रिया है। टेक्स्ट माइनिंग प्राकृतिक भाषा प्रसंस्करण (NLP) लागू करती है, जिससे मशीनें मानव भाषा को समझ सकती हैं और इसे स्वचालित रूप से संसाधित कर सकती हैं।
इसे मानक भाषा टेक्स्ट से महत्वपूर्ण जानकारी निकालने की प्रक्रिया के रूप में परिभाषित किया गया है। टेक्स्ट संदेशों, रिकॉर्ड्स, ईमेल, फ़ाइलों के माध्यम से उत्पन्न कुछ डेटा सामान्य भाषा टेक्स्ट में लिखे जाते हैं। टेक्स्ट माइनिंग का उपयोग आमतौर पर ऐसे डेटा से लाभकारी अंतर्दृष्टि या पैटर्न निकालने के लिए किया जाता है।
डेटा माइनिंग में टेक्स्ट माइनिंग के क्षेत्र
सूचना पुनर्प्राप्ति (Information Retrieval)
सूचना पुनर्प्राप्ति को फ़ाइल पुनर्प्राप्ति के अलावा माना जाता है और घोषित टेक्स्ट को समेकित करने के लिए संसाधित किया जाता है। इसलिए दस्तावेज़ पुनर्प्राप्ति के बाद टेक्स्ट सारांशीकरण प्रक्रिया होती है और उपयोगकर्ता द्वारा औपचारिक क्वेरी पर लक्षित होती है।
IR सिस्टम विशिष्ट समस्या के लिए प्रासंगिक रिकॉर्ड्स के सेट को कम करने का समर्थन करते हैं। टेक्स्ट माइनिंग में उदार दस्तावेज़ संग्रह के लिए बहुत जटिल एल्गोरिदम का उपयोग शामिल है। साथ ही, IR दस्तावेज़ों की संख्या को कम करके विश्लेषण को महत्वपूर्ण रूप से आगे बढ़ा सकता है।
डेटा माइनिंग (Data Mining)
डेटा माइनिंग रिपॉजिटरी में संग्रहीत बड़ी मात्रा में डेटा के माध्यम से उपयोगी नए सहसंबंधों, पैटर्न और रुझानों को खोजने की प्रक्रिया है, जिसमें सांख्यिकीय और गणितीय तकनीकों सहित पैटर्न पहचान तकनीकों का उपयोग किया जाता है। यह तथ्यात्मक डेटासेट का विश्लेषण करके अनपेक्षित संबंधों की खोज करना और डेटा मालिक के लिए तार्किक और सहायक दोनों तरीकों से रिकॉर्ड्स को नए तरीकों से सारांशित करना है।
डेटा माइनिंग में, डेटा के छिपे हुए पैटर्न को कई श्रेणियों के अनुसार उपयोगी डेटा के एक टुकड़े में माना जाता है। इस डेटा को विश्लेषण के लिए डेटा वेयरहाउस सहित एक क्षेत्र में इकट्ठा किया जाता है, और डेटा माइनिंग एल्गोरिदम निष्पादित किए जाते हैं। यह डेटा प्रभावी निर्णय लेने में सहायता करता है जो लागत में कटौती करते हैं और राजस्व बढ़ाते हैं।
प्राकृतिक भाषा प्रसंस्करण (Natural Language Processing - NLP)
NLP मानव भाषा की कला है। टेक्स्ट माइनिंग में NLP का उद्देश्य डेटा निष्कर्षण प्रक्रिया में इनपुट के रूप में सिस्टम को वितरित करना है।
NLP एप्लिकेशन का विकास कठिन है क्योंकि कंप्यूटर आमतौर पर मनुष्यों से "बोलने" की आवश्यकता होती है एक प्रोग्रामिंग भाषा में जो विशिष्ट, मुक्त और असाधारण रूप से संरचित होती है। मानव भाषण नियमित रूप से प्रामाणिक नहीं होता है इसलिए यह स्लैंग, सामाजिक संदर्भ और क्षेत्रीय बोलियों सहित कई जटिल चरों पर आधारित हो सकता है।
सूचना निष्कर्षण (Information Extraction - IE)
सूचना निष्कर्षण असंरचित से संरचित डेटा को स्वचालित रूप से निकालने का कार्य है। सामान्य मामलों में, इस गतिविधि में NLP का उपयोग करके मानव भाषा टेक्स्ट को संसाधित करना शामिल है।
