欧美,精品,综合,亚洲,好吊妞视频免新费观看,免费观看三级吃奶,一级a片女人自慰免费看

 首頁 > 新聞 > 專家觀點 >

技術(shù)提取智慧:文本挖掘的三大應(yīng)用

2016-06-29 09:25:18   作者:杜爾森·德倫(Dursun Delen)   來源:36大數(shù)據(jù)   評論:0  點擊:


  隨著各種機構(gòu)收集的非結(jié)構(gòu)化數(shù)據(jù)不斷增加,文本挖掘的價值定位和流行度也處于上升階段。越來越多的機構(gòu)意識到利用文本挖掘從他們的文本資源庫中提取知識的重要性。
  以下將展示文本挖掘模范式的應(yīng)用類別中的一小部分。
  市場營銷應(yīng)用
  通過分析客服中心提供的非結(jié)構(gòu)化數(shù)據(jù),文本挖掘可以提高交叉銷售和向上銷售的業(yè)績。由客服中心接線人員所做的記錄整理而成的文本,以及轉(zhuǎn)錄的與顧客的對話可以被文本挖掘算法用來提取新穎、可操作的信息,旨在了解消費者對公司產(chǎn)品及服務(wù)的看法。此外,博客、產(chǎn)品評價以及網(wǎng)上討論板塊的帖子則是了解顧客情感的金礦。這些豐富的信息資源只要加以恰當(dāng)?shù)姆治鼍湍軌虮挥糜谔岣哳櫩蜐M意度,延長顧客的整體忠誠度。
  文本挖掘同時已經(jīng)成為消費者關(guān)系管理不可或缺的工具。公司用文本挖掘分析豐富的非結(jié)構(gòu)化數(shù)據(jù),再聯(lián)合企業(yè)數(shù)據(jù)庫中相關(guān)的結(jié)構(gòu)化數(shù)據(jù),就可以預(yù)測消費者的觀念以及后續(xù)的購買行為。舉例來說,文本挖掘可以有效地提高數(shù)學(xué)模型的效用,以預(yù)測顧客流失率。這樣,就能夠?qū)δ切┍涣腥胱钣锌赡芰魇У念櫩图皶r使用“挽留技巧”來保留。
  將產(chǎn)品看作一系列屬性值對而不是原子實體,可以潛移默化地提高多種商業(yè)應(yīng)用的有效性,例如,需求預(yù)測、分類優(yōu)化、產(chǎn)品推薦、零售商與生產(chǎn)商間的分類比較,還有產(chǎn)品供應(yīng)商選取。伽尼(Ghani)使用文本挖掘技術(shù)開發(fā)了一個系統(tǒng)來推測產(chǎn)品的顯性和隱性屬性,以加強零售商分析產(chǎn)品數(shù)據(jù)庫的能力。系統(tǒng)以各種屬性的形式展現(xiàn)產(chǎn)品,不需要多少人力就能夠根據(jù)不同屬性分配價值。系統(tǒng)通過將監(jiān)控的和半監(jiān)控的學(xué)習(xí)技術(shù)應(yīng)用到零售商網(wǎng)站的產(chǎn)品描述上,以了解這些屬性。
  安保應(yīng)用
  文本挖掘在安保領(lǐng)域最廣泛、最著名的應(yīng)用要算是高機密的美國ECHELON監(jiān)控系統(tǒng)了。傳聞ECHELON能夠識別電話、傳真、郵件和其他各類形式數(shù)據(jù)的內(nèi)容,攔截通過衛(wèi)星、公共交換電話網(wǎng)和其他微波傳送的信息。
  2007年,歐洲刑警組織開發(fā)了一款綜合系統(tǒng)以獲取、儲存、分析數(shù)量龐大的結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)源,追蹤跨境的有組織犯罪。該系統(tǒng)被命名為“情報支持綜合分析系統(tǒng)”,旨在整合當(dāng)今市場上最先進的數(shù)據(jù)和文本挖掘技術(shù)。系統(tǒng)在跨境執(zhí)法方面大大提高了歐洲刑警組織的效率。
  在美國國家安全局的指導(dǎo)下,聯(lián)邦調(diào)查局和中央情報局正聯(lián)手開發(fā)超級計算機數(shù)據(jù)與文本挖掘系統(tǒng)。該系統(tǒng)旨在構(gòu)建一個巨型數(shù)據(jù)倉庫以及一批種類多樣的數(shù)據(jù)和文本挖掘模塊,并以此為聯(lián)邦、各州和地方執(zhí)法機構(gòu)的知識發(fā)現(xiàn)提供支持。在這之前,聯(lián)邦調(diào)查局和中央情報局也擁有各自獨立的數(shù)據(jù)庫,但是這些數(shù)據(jù)庫之間基本沒有什么關(guān)聯(lián)。
  另一個與安保有關(guān)的文本挖掘應(yīng)用實例就是測謊。夫勒(Fuller)將文本挖掘與罪犯(或嫌疑犯)的真實供述相關(guān)聯(lián),研發(fā)出預(yù)測模型以區(qū)分謊言和實話。模型利用從文本陳述中提取的豐富線索預(yù)測不合作樣本,準確率高達70%?紤]到線索僅僅來自于文本陳述,沒有口頭和視覺線索,這樣的準確率算得上是有著重大意義的成功。此外,與測謊儀等其他測謊技術(shù)相比,這種方法避免了過多的中介物干擾,并且不僅可以用于文本,還可以用于語音錄音腳本的可能性。
  生物醫(yī)學(xué)應(yīng)用
  文本挖掘在眾多醫(yī)學(xué)領(lǐng)域和某些生物醫(yī)學(xué)領(lǐng)域有著巨大的應(yīng)用前景。第一,該領(lǐng)域的出版發(fā)行文獻和出版專營店(特別是隨著“開源期刊的出現(xiàn)”)正以指數(shù)爆炸的速度增長;第二,與其他形式的文獻相比,醫(yī)學(xué)文獻更加標(biāo)準化,有秩序,更便于挖掘;最后,醫(yī)學(xué)文獻的術(shù)語相對統(tǒng)一固定,本體相當(dāng)?shù)貥?biāo)準化。一些教科書式的經(jīng)典范例已經(jīng)成功地利用文本挖掘技術(shù)從生物醫(yī)學(xué)文獻中提取了新型模式。
  實驗性技術(shù),比如基因芯片技術(shù)分析、基因表達序列分析和質(zhì)譜蛋白質(zhì)組學(xué)的研究產(chǎn)生了大量與基因、蛋白質(zhì)相關(guān)的數(shù)據(jù)。正如其他實驗性方式,一般來說,在先前已知的生物實體信息情景下分析這些數(shù)據(jù)是必不可少的。文獻資料在驗證實驗有效性和闡釋實驗方面意義重大。因此,研發(fā)自動文本挖掘工具以協(xié)助這類闡釋是當(dāng)今生物信息學(xué)研究所面臨的主要挑戰(zhàn)之一。
  清楚細胞中蛋白質(zhì)的位置有助于闡明蛋白質(zhì)在生物作用中的角色,并確定它能否作為藥物標(biāo)靶。文獻中包含了不計其數(shù)的定位預(yù)測系統(tǒng),一些關(guān)注具體的生物,另一些則試圖分析更大范圍內(nèi)的生物。沙特凱(shatkay)等人在2007年提出的一個綜合系統(tǒng)能夠利用幾種基于序列和文本的特征來預(yù)測蛋白質(zhì)的位置。該系統(tǒng)的創(chuàng)新點在于它選取文本來源和特征的方式,并能夠?qū)⑦@些數(shù)據(jù)與基于序列的特征整合起來。沙特凱等人在先前的數(shù)據(jù)組和新的數(shù)據(jù)組上都測試了系統(tǒng)的預(yù)測能力,結(jié)果顯示,新系統(tǒng)的效果遠遠地超過了原有系統(tǒng)。
  春(chun)描述了一種能夠通過美國醫(yī)學(xué)索引從文獻中提取致病基因關(guān)系的系統(tǒng)。他們在六個公共數(shù)據(jù)庫的基礎(chǔ)上建立了疾病與基因字典,用字典匹配提取候選的關(guān)系項。由于字典匹配會產(chǎn)生大量的假陽性結(jié)果,春等人又研發(fā)了基于機器學(xué)習(xí)的命名實體識別,以篩選出錯誤的疾病或基因名稱。他們發(fā)現(xiàn)這種關(guān)系提取的成功與否主要取決于命名實體識別在篩選上的表現(xiàn),篩選能夠提高26.7%的提取準確性,而花費的代價僅僅是查全率上的微小滑坡。
  對于掌握大型信息數(shù)據(jù)庫的出版商們來說,文本挖掘可以用來產(chǎn)生索引以更好地進行信息檢索。在科學(xué)性學(xué)科中,由于具體信息常包含在書面文本中,這點尤為突出。如《自然》雜志提倡的“開放式文本挖掘接口”和美國國家衛(wèi)生研究院的“期刊出版文檔類型定義”這樣的新項目已經(jīng)開始實施,預(yù)期能夠為機器提供語義線索,以回答文本中的具體問詢而不消除公共通道的出版商壁壘。
  學(xué)術(shù)型機構(gòu)也加入到了文本挖掘計劃的行列中。英國曼徹斯特大學(xué)和利物浦大學(xué)聯(lián)合成立了文本挖掘國家中心,為學(xué)術(shù)社區(qū)提供定制的文本挖掘工具,研究設(shè)備和文本挖掘?qū)I(yè)意見。起初,文本挖掘的重點被放在了生物和生物醫(yī)學(xué)上,但逐漸擴大到了社會科學(xué)。美國加州伯克利大學(xué)的信息學(xué)院正在開發(fā)一款名為Biotext的軟件,以在文本挖掘和分析方面協(xié)助生物科學(xué)研究者。

相關(guān)閱讀:

分享到: 收藏

專題