文本挖掘的基本算法是什么？

Question

我正在尝试从网上挖掘一些文本的应用程序，但我不确定执行文本挖掘的最佳方法是什么。

我想要的这个问题是了解什么是最常用的技术/算法来执行文本挖掘并在文档中进行一些信息检索（而不是用于索引）。

Answer 1

文本挖掘是一个相当广泛的术语，它大致意味着应用于文本的机器学习。常用技术包括 k - 平均聚类，朴素贝叶斯和线性SVM分类，tf-idf矢量化，SVD（当应用于文本时称为LSA），潜在Dirichlet分配。因此，执行“一些文本挖掘”可能意味着什么，就像做“一些信息检索”一样。

请参阅Bing Liu的书籍 Web数据挖掘，了解该领域的优秀介绍。

Answer 2

我认为cluster analysis是text mining最常用的技术。

Answer 3

大多数基本文本挖掘技术都是Regular expressions。