Text analytics helps analysts extra

Text analytics helps analysts extract meanings, patterns, and structure hidden in unstructured textual data. The

information age has led to the development of a wide variety of tools and infrastructure to capture and store

massive amounts of textual data. In a 2009 report, the International Data Corporation (IDC) estimated that

approximately 80% percent of the data in an organization is text based. It is not practical for any individual (or

group of individuals) to process huge textual data and extract meanings, sentiments, or patterns out of the data.

A paper written by Hans Peter Luhn, titled “The Automatic Creation of Literature Abstracts,” is perhaps one of

the earliest research projects conducted on text analytics. Luhn writes about applying machine methods to

automatically generate an abstract for a document. In a traditional sense, the term “text mining” is used for

automated machine learning and statistical methods that encompass a bag-of-words approach. This approach is

typically used to examine content collections versus assessing individual documents. Over time, the term “text

analytics” has evolved to encompass a loosely integrated framework by borrowing techniques from data

mining, machine learning, natural language processing (NLP), information retrieval (IR), and knowledge

management.

ผลลัพธ์ (ไทย) 1:

วิเคราะห์ข้อความช่วยให้นักวิเคราะห์แยกความหมาย รูปแบบ และโครงสร้างที่ซ่อนอยู่ในข้อมูลแบบไม่มีโครงสร้าง ที่นำการพัฒนาความหลากหลายของเครื่องมือและโครงสร้างพื้นฐาน และเก็บข้อมูลอายุจำนวนข้อมูลที่เป็นข้อความขนาดใหญ่ ในรายงานในปี 2552 บริษัทข้อมูลนานาชาติ (IDC) ประเมินที่ประมาณ 80% ร้อยละของข้อมูลในองค์กรเป็นข้อความที่ใช้ ไม่เหมาะสำหรับบุคคลใด ๆ (หรือกลุ่มของบุคคล) การประมวลผลข้อมูลขนาดใหญ่จะแยกความหมาย รู้สึก หรือรูปแบบข้อมูลกระดาษที่เขียน โดยฮันส์ปีเตอร์ Luhn ชื่อ "เดอะอัตโนมัติสร้างของวรรณกรรมบทคัดย่อ อาจจะเป็นหนึ่งโครงการวิจัยเริ่มแรกดำเนินการในการวิเคราะห์ข้อความ Luhn เขียนเกี่ยวกับการใช้เครื่องจักรวิธีการสร้างบทคัดย่อเอกสารโดยอัตโนมัติ ในความรู้สึกดั้งเดิม ใช้ในคำว่า "ทำเหมืองข้อความ" สำหรับเรียนรู้เครื่องจักรอัตโนมัติและวิธีการทางสถิติที่รอบวิธีถุงคำ วิธีนี้เป็นวิธีโดยทั่วไปจะใช้การตรวจสอบชุดเก็บรวบรวมเนื้อหาและประเมินเอกสารแต่ละฉบับ ช่วงเวลา คำ "ข้อความวิเคราะห์"ได้เปลี่ยนไปรอบกรอบซึ่งรวม โดยยืมเทคนิคจากข้อมูลการทำเหมืองแร่ เครื่องจักรการเรียนรู้ การประมวลผลภาษาธรรมชาติ (NLP), เรียกข้อมูล (IR), และความรู้การจัดการ

ผลลัพธ์ (ไทย) 2:

การวิเคราะห์ข้อความจะช่วยให้นักวิเคราะห์แยกความหมายรูปแบบและโครงสร้างที่ซ่อนอยู่ในข้อมูลเกี่ยวกับใจที่ไม่มีโครงสร้าง ยุคข้อมูลข่าวสารได้นำไปสู่การพัฒนาความหลากหลายของเครื่องมือและโครงสร้างพื้นฐานเพื่อรวบรวมและจัดเก็บข้อมูลจำนวนมากเกี่ยวกับใจ ในปี 2009 รายงานข้อมูลอินเตอร์เนชั่นแนลคอร์ปอเรชั่น (ไอดีซี) คาดว่าประมาณร้อยละ80% ของข้อมูลในองค์กรที่เป็นข้อความ มันไม่ได้ในทางปฏิบัติสำหรับบุคคลใด ๆ (หรือกลุ่มของบุคคล) การประมวลผลข้อมูลที่เป็นข้อความขนาดใหญ่และความหมายของสารสกัดจากความรู้สึกหรือรูปแบบออกมาจากข้อมูล. กระดาษที่เขียนโดยฮันส์ปีเตอร์ Luhn หัวข้อ "การสร้างโดยอัตโนมัติบทคัดย่อวรรณกรรม" คือ บางทีอาจจะเป็นหนึ่งในโครงการวิจัยแรกที่ดำเนินการเกี่ยวกับการวิเคราะห์ข้อความ Luhn เขียนเกี่ยวกับการใช้วิธีการเครื่องโดยอัตโนมัติสร้างนามธรรมสำหรับเอกสาร ในความหมายดั้งเดิมคำว่า "การทำเหมืองข้อความ" ถูกนำมาใช้สำหรับการเรียนรู้เครื่องอัตโนมัติและวิธีการทางสถิติที่ห้อมล้อมถุงของคำวิธี วิธีการนี้โดยปกติจะใช้ในการตรวจสอบคอลเลกชันเนื้อหาเมื่อเทียบกับการประเมินเอกสารของแต่ละบุคคล เมื่อเวลาผ่านไปคำว่า"ข้อความการวิเคราะห์" มีการพัฒนาไปถึงกรอบแบบบูรณาการอย่างอิสระโดยการกู้ยืมจากข้อมูลเทคนิคการทำเหมืองแร่การเรียนรู้เครื่องประมวลผลภาษาธรรมชาติ(NLP) การดึงข้อมูล (IR) และความรู้การจัดการ

ผลลัพธ์ (ไทย) 3:

การวิเคราะห์ข้อความช่วยให้นักวิเคราะห์แยกความหมาย รูปแบบและโครงสร้างของข้อมูลที่ซ่อนอยู่ในข้อความใหม่ ที่ข้อมูล อายุ ได้นำไปสู่การพัฒนาความหลากหลายของเครื่องมือและโครงสร้างพื้นฐานเพื่อจับภาพ และร้านจำนวนมหาศาลของข้อมูลต้นฉบับเดิม ใน 2009 รายงาน คอร์ปอเรชั่นข้อมูลระหว่างประเทศ ( ไอดีซี ) ประมาณว่าประมาณ 80 เปอร์เซ็นต์ของข้อมูลในองค์กร คือ ข้อความที่ใช้ มันไม่ได้เป็นประโยชน์สำหรับบุคคลใด ๆ ( หรือกลุ่มบุคคล ) ในการจัดการข้อมูลตัวบทใหญ่และแยกความหมาย ความรู้สึก หรือ รูปแบบของข้อมูลกระดาษที่เขียนโดย ฮันส์ ปีเตอร์ luhn เรื่อง " การสร้างอัตโนมัติของบทคัดย่อเป็นบางทีหนึ่งในวรรณคดี "โดยโครงการวิจัยการศึกษาการวิเคราะห์ข้อความ . luhn เขียนเกี่ยวกับการใช้วิธีการ เครื่องจักรโดยอัตโนมัติสร้างนามธรรมสำหรับเอกสาร ในความรู้สึกแบบดั้งเดิม , คำว่า " เหมืองแร่ " ข้อความที่ใช้อัตโนมัติการเรียนรู้ของเครื่องและวิธีทางสถิติที่ครอบคลุมถุงของคำที่ใช้ วิธีการนี้คือโดยปกติจะใช้เพื่อตรวจสอบคอลเลกชันเนื้อหาเมื่อเทียบกับการประเมินเอกสารบุคคล เวลาผ่านไป คำว่า " ข้อความวิเคราะห์ " ได้พัฒนาให้ครอบคลุมกรอบแบบหลวมๆ โดยการยืมเงิน เทคนิค จาก ข้อมูลเหมืองแร่ , การเรียนรู้เครื่อง การประมวลผลภาษาธรรมชาติ ( NLP ) , การดึงข้อมูล ( IR ) , และความรู้การจัดการ