looking for patterns in text. Howev

looking for patterns in text. However, the superficial similarity between the two conceals real
differences. Data mining can be more fully characterized as the extraction of implicit, previously
unknown, and potentially useful information from data [Witten and Frank, 2000]. The information
is implicit in the input data: it is hidden, unknown, and could hardly be extracted without recourse
to automatic techniques of data mining. With text mining, however, the information to be extracted
is clearly and explicitly stated in the text. It’s not hidden at all—most authors go to great pains to
make sure that they express themselves clearly and unambiguously—and, from a human point of
view, the only sense in which it is “previously unknown” is that human resource restrictions make
it infeasible for people to read the text themselves. The problem, of course, is that the information
is not couched in a manner that is amenable to automatic processing. Text mining strives to bring
it out of the text in a form that is suitable for consumption by computers directly, with no need for
a human intermediary.
Though there is a clear difference philosophically, from the computer’s point of view the problems
are quite similar. Text is just as opaque as raw data when it comes to extracting information—
probably more so.
Another requirement that is common to both data and text mining is that the information extracted
should be “potentially useful.” In one sense, this means actionable—capable of providing a basis
for actions to be taken automatically. In the case of data mining, this notion can be expressed in a
relatively domain-independent way: actionable patterns are ones that allow non-trivial predictions
to be made on new data from the same source. Performance can be measured by counting
successes and failures, statistical techniques can be applied to compare different data mining
methods on the same problem, and so on. However, in many text mining situations it is far harder
to characterize what “actionable” means in a way that is independent of the particular domain at
hand. This makes it difficult to find fair and objective measures of success.
In many data mining applications, “potentially useful” is given a different interpretation: the key
for success is that the information extracted must be comprehensible in that it helps to explain the
data. This is necessary whenever the result is intended for human consumption rather than (or as
well as) a basis for automatic action. This criterion is less applicable to text mining because, unlike
data mining, the input itself is comprehensible. Text mining with comprehensible output is
tantamount to summarizing salient features from a large body of text, which is a subfield in its
own right: text summarization.

ผลลัพธ์ (ไทย) 1:

มองหารูปแบบในข้อความ อย่างไรก็ตาม ผิวเผินคล้ายคลึงระหว่างสองรักษาจริงความแตกต่าง การทำเหมืองข้อมูลสามารถจะเติมเต็มมีลักษณะเป็นการสกัดนัย ก่อนหน้านี้ข้อมูลที่ไม่รู้จัก และอาจมีประโยชน์จากข้อมูล [Witten และ Frank, 2000] ข้อมูลมีนัยในข้อมูลการป้อนข้อมูล: ซ่อน ไม่ทราบ และอาจไม่สามารถแยกได้โดยไม่ต้องขอความช่วยเหลือเทคนิคอัตโนมัติของการทำเหมืองข้อมูล มีข้อความการทำเหมืองแร่ อย่างไรก็ตาม ข้อมูลจะถูกแยกอย่างชัดเจน และชัดเจนจะระบุในข้อความ จะถูกซ่อนไว้ทั้งหมดซึ่งส่วนใหญ่ผู้เขียนไปปวดมากไปการตรวจสอบให้แน่ใจว่า พวกเขาแสดงตัวเองชัดเจน และไม่กำกวม — และ จากจุดของมนุษย์มุมมอง ความรู้สึกเท่านั้นที่เป็น "ไม่รู้จัก" คือ ข้อจำกัดของทรัพยากรมนุษย์ทำมันเดิมสำหรับคนที่จะอ่านข้อความตัวเอง ปัญหา แน่นอน เป็นข้อมูลที่มี couched ในลักษณะที่คล้อยตามการประมวลผลอัตโนมัติ การทำเหมืองข้อความมุ่งมั่นที่จะนำนอกจากข้อความในรูปแบบที่เหมาะสมสำหรับการใช้คอมพิวเตอร์โดยตรง ไม่จำเป็นสำหรับตัวกลางที่มนุษย์มี การล้างความแตกต่างเกี่ยวกับ จากมุมมองของคอมพิวเตอร์ปัญหาคล้าย ข้อความทึบแสงเป็นข้อมูลดิบเมื่อมันมาถึงการดึงข้อมูลได้อาจจะมากขึ้นดังนั้นข้อกำหนดอื่นที่ข้อมูลและการทำเหมืองข้อความคือ ว่า ข้อมูลที่แยกควรจะ "อาจเป็นประโยชน์" ในแง่หนึ่ง ซึ่งหมายความว่า ดำเนินซึ่งสามารถให้ข้อมูลสำหรับการดำเนินการจะต้องดำเนินการโดยอัตโนมัติ ในกรณีของการทำเหมืองข้อมูล ความคิดนี้สามารถแสดงในแบบทางค่อนข้างอิสระโดเมน: รูปแบบการดำเนินอยู่ที่อนุญาตให้มีการคาดคะเนที่ไม่น่ารำคาญต้องทำข้อมูลใหม่จากแหล่งเดียวกัน สามารถวัดประสิทธิภาพได้ โดยการนับความสำเร็จและความล้มเหลว สามารถใช้เทคนิคทางสถิติเพื่อเปรียบเทียบการทำเหมืองข้อมูลที่แตกต่างกันวิธีเดียวกันกับปัญหา และอื่น ๆ อย่างไรก็ตาม ในหลาย ๆ สถานการณ์การทำเหมืองข้อความ เป็นการไกลการอธิบายลักษณะสิ่งที่หมายถึง "ดำเนิน" ในที่ทางที่เป็นอิสระของโดเมนเฉพาะที่มือ ซึ่งทำให้ยากที่จะหามาตรการที่ยุติธรรม และวัตถุประสงค์ของความสำเร็จในข้อมูลหลาย เหมืองงาน "อาจมีประโยชน์" จะได้รับการตีความแตกต่าง: คีย์สำหรับความสำเร็จคือการ ที่ข้อมูลแยกต้องเข้าใจในการที่จะช่วยอธิบายการข้อมูล จำเป็นเมื่อผลมีไว้สำหรับมนุษย์บริโภคแทน (หรือเป็นตลอดจน) พื้นฐานสำหรับการดำเนินการอัตโนมัติ เกณฑ์นี้เป็นไม่ข้อความการทำเหมืองแร่เนื่องจาก เหมือนการทำเหมืองข้อมูล การป้อนข้อมูลเองจะเข้าใจ การทำเหมืองข้อความ มีการแสดงผลเข้าใจได้tantamount to สรุปคุณสมบัติเด่นจากร่างกายขนาดใหญ่ของข้อความ ซึ่งเป็นย่อยในการเองขวา: สรุปข้อความ

ผลลัพธ์ (ไทย) 2:

มองหารูปแบบในข้อความ อย่างไรก็ตามความคล้ายคลึงกันผิวเผินระหว่างสองซ่อนเร้นที่แท้จริง
แตกต่าง การทำเหมืองข้อมูลสามารถโดดเด่นมากขึ้นอย่างเต็มที่ในขณะที่การสกัดโดยนัยก่อนหน้านี้
ที่ไม่รู้จักและมีประโยชน์ที่อาจเกิดขึ้นข้อมูลจากข้อมูล [Witten และแฟรงก์ 2000] ข้อมูลที่
เป็นนัยในการป้อนข้อมูล: มันถูกซ่อนอยู่ที่ไม่รู้จักและแทบจะไม่สามารถสกัดได้โดยไม่ต้องอาศัย
เทคนิคอัตโนมัติของการทำเหมืองข้อมูล ด้วยการทำเหมืองข้อความ แต่ข้อมูลที่จะสกัด
เป็นอย่างชัดเจนและระบุไว้อย่างชัดเจนในข้อความ มันไม่ได้เป็นที่ซ่อนอยู่ในทุกส่วนใหญ่ผู้เขียนไปปวดที่ดีที่จะ
ทำให้แน่ใจว่าพวกเขาแสดงออกอย่างชัดเจนและไม่น่าสงสัยและจากจุดของมนุษย์ใน
มุมมองของความรู้สึกเดียวที่มันคือ "ไม่รู้จักมาก่อน" เป็นว่ามีข้อ จำกัด ด้านทรัพยากรมนุษย์ให้
มัน เป็นไปไม่ได้สำหรับคนที่จะอ่านข้อความของตัวเอง ปัญหาของหลักสูตรคือว่าข้อมูลที่
ไม่ได้ถนัดในลักษณะที่คล้อยตามการประมวลผลอัตโนมัติ การทำเหมืองข้อความมุ่งมั่นที่จะนำ
มันออกมาจากข้อความในรูปแบบที่เหมาะสำหรับการบริโภคโดยคอมพิวเตอร์โดยตรงโดยไม่จำเป็นต้องไม่มีการให้
ตัวกลางมนุษย์.
แม้ว่าจะมีความแตกต่างที่ชัดเจนปรัชญาจากจุดคอมพิวเตอร์ของมุมมองปัญหาที่เกิดขึ้น
จะค่อนข้างคล้ายกัน ข้อความเป็นเพียงความทึบแสงเป็นข้อมูลดิบเมื่อมันมาถึงการแยกข้อมูลการ
อาจจะมากขึ้นดังนั้น.
ความต้องการที่เป็นปกติทั้งข้อมูลและการทำเหมืองข้อความก็คือว่าข้อมูลที่สกัด
ควรจะเป็น "ประโยชน์ที่อาจเกิดขึ้น." ในความรู้สึกนี้หมายความ actionable- ความสามารถในการให้บริการพื้นฐาน
สำหรับการดำเนินการจะต้องดำเนินการโดยอัตโนมัติ ในกรณีของการทำเหมืองข้อมูล, ความคิดนี้สามารถแสดงออกใน
วิธีที่ค่อนข้างโดเมนอิสระ: รูปแบบการดำเนินการจะเป็นคนที่ช่วยให้การคาดการณ์ที่ไม่น่ารำคาญ
ที่จะทำกับข้อมูลใหม่จากแหล่งเดียวกัน ผลการดำเนินงานที่สามารถวัดได้โดยการนับ
ความสำเร็จและความล้มเหลวเทคนิคทางสถิติสามารถนำไปใช้เปรียบเทียบการทำเหมืองข้อมูลที่แตกต่างกัน
วิธีการเกี่ยวกับปัญหาเดียวกันและอื่น ๆ อย่างไรก็ตามในหลายสถานการณ์การทำเหมืองข้อความมันอยู่ไกลยาก
ที่จะอธิบายลักษณะสิ่งที่ "ดำเนินการ" หมายความว่าในทางที่เป็นอิสระจากโดเมนเฉพาะที่
มือ นี้จะทำให้มันยากที่จะหามาตรการที่เป็นธรรมและวัตถุประสงค์ของการประสบความสำเร็จ.
ในหลาย ๆ การใช้งานการทำเหมืองข้อมูล "ซึ่งอาจมีประโยชน์" จะได้รับการตีความที่แตกต่างกันที่สำคัญ
สำหรับความสำเร็จเป็นอย่างยิ่งว่าข้อมูลที่สกัดจะต้องเข้าใจในการที่จะช่วยในการอธิบาย
ข้อมูล นี้เป็นสิ่งจำเป็นเมื่อใดก็ตามที่ผลที่มีไว้สำหรับการบริโภคของมนุษย์มากกว่า (หรือ
รวมทั้ง) พื้นฐานสำหรับการดำเนินการอัตโนมัติ เกณฑ์นี้มีผลบังคับใช้น้อยกว่าในการทำเหมืองข้อความเพราะไม่เหมือน
การทำเหมืองข้อมูล, การป้อนข้อมูลของตัวเองเป็นที่เข้าใจ การทำเหมืองข้อความเข้าใจกับการส่งออกเป็น
ประหนึ่งการสรุปคุณสมบัติเด่นจากร่างใหญ่ของข้อความซึ่งเป็นสาขาย่อยในของ
ตัวเอง: การสรุปข้อความ

ผลลัพธ์ (ไทย) 3:

ดูในรูปแบบข้อความ แต่ความคล้ายคลึงกันผิวเผินระหว่างสองต้นจริงความแตกต่าง การทำเหมืองข้อมูลสามารถอย่างเต็มที่ลักษณะเป็นการสกัดแยก , ก่อนหน้านี้ที่ไม่รู้จักและข้อมูลที่เป็นประโยชน์ที่อาจเกิดขึ้นจากข้อมูล Witten และแฟรงค์ [ 2000 ] ข้อมูลมีความนัยในข้อมูลเข้า : ซ่อนอยู่ , ไม่รู้จัก และแทบจะไม่สามารถถูกแยกโดยไม่ต้องขอความช่วยเหลือเทคนิคอัตโนมัติของการทำเหมืองข้อมูล กับการทำเหมืองข้อความ อย่างไรก็ตาม ข้อมูลที่ต้องสกัดชัดเจนและระบุไว้อย่างชัดเจนในข้อความ มันไม่ได้อยู่ที่ทั้งหมดที่สุดผู้เขียนไปเพียรดีตรวจสอบให้แน่ใจว่า พวกเขาได้แสดงออกอย่างชัดเจน และกัน และจากมนุษย์จุดมุมมอง ความรู้สึกเดียวที่เป็น " ที่ไม่รู้จัก " ก่อนหน้านี้มีข้อ จำกัด ทรัพยากรมนุษย์ให้มันทำสำหรับคนที่จะอ่านข้อความที่ตัวเอง ปัญหาของหลักสูตรคือว่าข้อมูลไม่ใช่สำนวนในลักษณะที่เป็นสิ่งอำนวยความสะดวกการประมวลผลอัตโนมัติ ทำเหมืองข้อความมุ่งมั่นที่จะนำจากข้อความในแบบฟอร์มที่เหมาะสมสำหรับการบริโภคโดยคอมพิวเตอร์โดยตรงโดยไม่ต้องมีเป็นสื่อกลางของมนุษย์แม้ว่ามีความแตกต่างที่ชัดเจนอย่างปลงตก จากมุมมองของปัญหาคอมพิวเตอร์เหมือนกันมาก ข้อความที่เป็นเพียงเป็นทึบแสงเป็นข้อมูลดิบ เมื่อมันมาถึงการแยกข้อมูล -อาจจะมากกว่านั้นอีกหนึ่งความต้องการที่เป็นปกติ ทั้งข้อมูลและการทำเหมืองข้อมูลคือข้อมูลสกัดควรเป็น " ที่อาจเป็นประโยชน์ ในแง่หนึ่ง นี่หมายความว่าเราสามารถให้พื้นฐานสำหรับการกระทำที่จะต้องดำเนินการโดยอัตโนมัติ ในกรณีของการทำเหมืองข้อมูล ความคิดนี้สามารถแสดงในค่อนข้างโดเมนอิสระทาง : รูปแบบในอนาคตที่ไม่คาดการณ์เล็กน้อยให้จะได้ข้อมูลใหม่จากแหล่งเดียวกัน ประสิทธิภาพสามารถวัดได้โดยการนับความสำเร็จและความล้มเหลว เทคนิคทางสถิติสามารถใช้เปรียบเทียบเหมืองแร่ข้อมูลต่างวิธีการเกี่ยวกับปัญหาเดียวกันและ อย่างไรก็ตามในหลายเหมืองแร่ข้อความสถานการณ์มันไกลยากในลักษณะที่ " เรา " มีความหมายในลักษณะที่เป็นอิสระของโดเมนที่เฉพาะเจาะจงที่มือ นี้ทำให้ยากที่จะหาที่ยุติธรรมและมีมาตรการของความสำเร็จในหลายการทำเหมืองข้อมูลการใช้งาน " ประโยชน์ " ที่อาจจะได้รับการตีความที่แตกต่างกัน : คีย์สำหรับความสำเร็จที่สกัดข้อมูลต้องสามารถเข้าใจได้ เพราะมันช่วยในการอธิบายข้อมูล นี้จำเป็นเมื่อผลมีไว้สำหรับการบริโภคของมนุษย์มากกว่า ( หรือรวมทั้ง ) พื้นฐานสำหรับการกระทำโดยอัตโนมัติ เกณฑ์นี้ใช้น้อยเพราะเหมืองข้อความเหมือนการทำเหมืองข้อมูล , การป้อนข้อมูลเองก็เข้าใจได้ ข้อความที่เหมืองกับผลผลิตที่เข้าใจได้คือก็สรุปคุณสมบัติเด่น จากตัวใหญ่ของข้อความ ซึ่งเป็น subfield ในเองครับ : สรุปข้อความ