वेब कंटेंट माइनिंग को टेक्स्ट माइनिंग के रूप में संदर्भित किया जाता है। कंटेंट माइनिंग एक वेब पेज के टेक्स्ट, छवियों, और ग्राफ की ब्राउज़िंग और माइनिंग है ताकि खोज क्वेरी के लिए सामग्री की प्रासंगिकता तय की जा सके।
यह ब्राउज़िंग स्ट्रक्चर माइनिंग के माध्यम से वेब पेजों के क्लस्टरिंग के बाद की जाती है और सुझाई गई क्वेरी के लिए प्रासंगिकता की विधि के आधार पर परिणामों का समर्थन करती है।
वर्ल्ड वाइड वेब पर उपलब्ध बड़ी मात्रा में डेटा के साथ, कंटेंट माइनिंग खोज इंजनों को परिणाम सूचियों का समर्थन करती है जो क्वेरी में कीवर्ड के लिए सबसे बड़ी प्रयोज्यता के क्रम में होती हैं।
इसे मानक भाषा टेक्स्ट से आवश्यक डेटा निकालने के चरण के रूप में परिभाषित किया जा सकता है। टेक्स्ट संदेशों, फ़ाइलों, ईमेल, दस्तावेज़ों के माध्यम से उत्पन्न कुछ डेटा सामान्य भाषा टेक्स्ट में लिखे जाते हैं। टेक्स्ट माइनिंग ऐसे डेटा से लाभकारी अंतर्दृष्टि या पैटर्न निकाल सकती है।
टेक्स्ट माइनिंग एक स्वचालित प्रक्रिया है जो असंरचित टेक्स्ट से मूल्यवान अंतर्दृष्टि प्राप्त करने के लिए प्राकृतिक भाषा प्रसंस्करण की सुविधा देती है। डेटा को उस जानकारी में बदलकर जिसे उपकरण सीख सकते हैं, टेक्स्ट माइनिंग भावना, विषय, और इरादे के अनुसार टेक्स्ट को वर्गीकृत करने के चरण को स्वचालित करती है।
टेक्स्ट माइनिंग खोज इंजन में उपयोगकर्ता खोज डेटा द्वारा समर्थित विशिष्ट डेटा की ओर निर्देशित होती है। यह संपूर्ण वेब को ब्राउज़ करने में सक्षम बनाता है ताकि उन क्लस्टर सामग्री को प्राप्त किया जा सके जो उन क्लस्टर के भीतर निश्चित वेब पेजों की स्कैनिंग को ट्रिगर करती है।
परिणाम पेज खोज इंजनों को प्रासंगिकता के उच्चतम स्तर से निम्नतम तक प्रेषित किए जाते हैं। हालांकि खोज इंजन खोज सामग्री के बारे में सैकड़ों वेब पेजों से कनेक्शन का समर्थन कर सकते हैं, इस प्रकार की वेब माइनिंग अप्रासंगिक डेटा को कम करने की अनुमति देती है। वेब टेक्स्ट माइनिंग निश्चित विषयों से निपटने वाले कंटेंट डेटाबेस में उपयोग किए जाने पर कुशल होती है।
उदाहरण के लिए, ऑनलाइन विश्वविद्यालयों को उनके अध्ययन के लगातार क्षेत्रों से संबंधित लेखों को याद करने के लिए एक लाइब्रेरी सिस्टम की आवश्यकता होती है। यह निश्चित कंटेंट डेटाबेस केवल उन विषयों के भीतर डेटा खींचने की अनुमति देता है, खोज इंजनों में खोज क्वेरी के सबसे विशिष्ट परिणामों का समर्थन करता है।
केवल सबसे प्रासंगिक डेटा के समर्थन की यह अनुमति परिणामों की उच्च गुणवत्ता देती है। उत्पादकता में यह वृद्धि टेक्स्ट और विजुअल्स के कंटेंट माइनिंग की आवश्यकता के लिए सीधी है। इस प्रकार के डेटा माइनिंग की आवश्यकता WWW पर उपलब्ध सर्वोत्तम संभव डेटा को इकट्ठा, वर्गीकृत, व्यवस्थित और समर्थन करना है जो डेटा का अनुरोध करने वाले उपयोगकर्ता को दिया जाता है।
यह उपकरण कई HTML फ़ाइलों, छवियों, और वेब पेजों पर समर्थित टेक्स्ट को ब्राउज़ करने के लिए अनिवार्य है। परिणामी डेटा प्रासंगिकता के क्रम में खोज इंजनों द्वारा समर्थित है जो हर खोज के उच्च उत्पादक परिणाम देता है।
