需要一个关于文本挖掘的想法，用于从大量文件中挖掘数据

Question

我是数据挖掘的新手。我正在做我的B.Tech最后一年，我的最后一年项目名称是“使用文本挖掘从学生反馈中提取和分析管理学科的教师绩效”。在这里，我们将有多个文件包含学生提供的反馈，每个学生将有一个文件。从所有这些文件中我们必须检索有用的信息。

任何人都可以建议我如何开始，使用什么工具？ 有什么技术可以使用？ 我熟悉JAVA（jse），我能用java编程语言实现这个，怎么做？

...问候 Upendra.S

Answer 1

一些想法：

• 哪些是最常用的单词或短语？
• 哪些词经常共同出现（关联分析）
• 按学生成绩分类的单词/短语频率（上下学生在他们的教授评论中使用哪些单词？）
• 按教师评分的单词/短语频率（哪些单词与学生给教师的分数相关？）
• 教师任期的词/短语频率（哪些词与新老教授相关？）

这是我关于使用rapidminer进行文本挖掘的五部分系列文章：

http://vancouverdata.blogspot.com/2010/11/text-analytics-with-rapidminer-loading.html

Answer 2

我相信Rapidminer有一个文本挖掘扩展。然后是JTMT。

此处也使用搜索功能：

• Java Open Source Text Mining Frameworks
• What is a good Java library for Parts-Of-Speech tagging?

另请参阅教育数据挖掘社区。他们可能有类似的任务。

Answer 3

在我看来，您可以浏览这些主题。它帮助了我的一个项目。

工具 - Matlab TMG tool。

使用的算法 - 潜在语义分析。 （LSA Example）

数学概念 - 奇异值分解。 （SVD）