随着互联网技术的迅速发展与普及，如何对浩如烟海的数据进行分类、组织和管理，已经成为一个具有重要用途的研究课题。而在这些数据中，文本数据又是数量最大的一类。

电商平台中有海量的非结构化文本数据，如商品描述、用户评论、用户搜索词、用户咨询等。这些文本数据不仅反映了产品特性，也蕴含了用户的需求以及使用反馈。通过深度挖掘，可以精细化定位产品与服务的不足。下面描述了电商平台下机器学习在文本挖掘的应用例子。 1、用户评论分类 场景 用户评论能反映出用户对商品、服务的关注点和不满意点。评论从情感分析上可以分为正面与负面。细粒…

文本分析的本质是从给定文本中获取高质量、有用信息的自动化过程，其一般步骤为：数据采集、数据清洗、文本挖掘分析、可视化分析。

在学界一般认为，《红楼梦》后 40 回并非曹雪芹所著。本文尝试应用机器学习的方法来分析原著文本中作者的用词习惯，从技术角度去说明《红楼梦》前 80 回和后 40 回的写作风格差别，继而可以确认后 40 回非原作者所写。 项目存放在reality-of-Dream-of-Red-Mansions。 主要原理 每个作者写作都有自己的用词习惯和风格，即使是故意模仿…

非结构化文本的分类算法 在前几个章节中，我们学习了如何使用人们对物品的评价(五星、顶和踩)来进行推荐;还使用了他们的隐式评价——买过什么，点击过什么;我们利用特征来进行分类，如身高、体重、对法案的投票等。这些数据有一个共性——能用表格来展现： 因此这类数据我们称为“结构化数据”——数据集中的每条数据(上表中的一行)由多个特征进行描述(上表中的列)。而非结构化…

作者：学飞 从坠落开始 本篇综述主要参考了Liu Bing的《Sentiment analysis and opinion mining》，增加了一些自己的观点。 Liu B. Sentiment analysis and opinion mining[J]. Synthesis Lectures on Human Language Technologies…

LinkedIn前不久发布两篇文章分享了自主研发的文本分析平台Voices的概览和技术细节。LinkedIn认为倾听用户意见回馈很重要，发现反馈的主要话题、用户的热点话题和痛点，能够做出改善产品、提高用户体验等重要的商业决定。下面是整理后的技术要点。

你去过秩序良好的图书馆吗？我总是因为图书馆管理员通过名称，内容和其他主题等管理好所有的书籍而感到印象深刻。但如果你让图书馆管理员将成千上万的书按照流派分门别类，他们也许至少需要耗费一整天的时间，而不仅...

电子商务彻底改变了我们的购物方式。你攒了几个月的钱买电话？这可能只是一次搜索和一些点击然后退出，项目就能在几天（有时甚至是第二天！）内完成交付。对于在线零售商来说，没有与库存管理或空间管理相关的约束。...