文本挖掘

　　從非結構化的文本文檔中抽取用戶感興趣的、重要的模式或知識的過程，可以看作是資料挖掘或資料庫中知識發現(KDD)的延伸。由於目前存儲資訊的最一般形式是文本，所以有人認為文本挖掘的商業潛能甚至比資料挖掘還要高。最常用的文本挖掘技術有文本聚類技術、文本分類技術和摘要抽取技術等。文本挖掘的關鍵步驟是文本提煉和知識提取。前者將自由形式的文本轉換成某種中間形式，而後者則負責從中間形式中挖掘模式或知識。

　　文本挖掘不同於全文檢索。全文檢索提供信息定位的功能，而文本挖掘的主要功能是自動抽取文本中有價值的信息，並據此發掘文本信息之間的聯系，以用戶容易理解的方式表現出來，使其能夠迅速瞭解文檔的內容與結構，從而幫助用戶發現知識。文本挖掘處理的對象是非結構化的文本數據，這是一件很復雜的工作，涉及多個學科領域，如信息檢索、文本分析、信息抽取、自動聚類、自動分類、可視化技術、數據庫技術、機器學習和數據挖掘等。