文本分析 应用场景

文本分析的应用场景有哪些

1 传播分析

检索对象在传播趋势和传播渠道上的分析。

传播走势

传播渠道

2 情感分析

情感分析

情感分析指的是对文本中情感的倾向性和评价对象进行提取的过程。

基于上百万条社交网络平衡语料和数十万条新闻平衡语料的机器学习模型,结合自主开发的半监督学习技术,正负面情感分析准确度达到80%以上,可以轻松的识别网民对于某一检索对象的好恶倾向,最直接的应用就是品牌口碑检测领域。

3 信息分类

信息分类

文本信息分类将文本按照预设的分类体系进行自动区分。常见的商业应用前景有:

通过社交网络挖掘商业情报和潜在销售机会;

1 企业内文本数据分析;
2 海量数据筛选;
3 资讯分类;
4 自动标签预测等。

4 典型意见提取

意见提取

观点分析

典型意见引擎将消费者意见进行单句级别的语义聚合,提取出有代表性的意见。常见的商业应用前景有:

消费者调研;
电商点评分析;
社会热点事件的意见整理。

5 文本聚类

文本聚类

相似文本聚类指的是机器自动对给定的文本进行话题聚类,将语义上相似的内容归为一类。常见的商业应用前景有:

海量文档、资讯的整理;
话题级别的统计分析。

6 关键词抽取

关键词抽取

评论关键词抽取

关键词提取引擎从一篇或多篇文本中提取出有代表性的关键词。关键词提取技术综合考虑词语在文本中的频率,和词语在千万级背景数据中的频率,选择出最具有代表性的关键词并给出相应权重。

可以使用户在如恒河沙数的文本数据中提炼出有价值的信息,节省阅读时间。

7 语义网络分析、知识图谱

通过将应用数学、图形学、信息可视化技术、信息科学等学科的理论与方法引入文本数据分析领域,并结合共现分析手段,可视化语义网络呈现各类文本/信息之间的内在相关关系,时间维度上的动态关系(传播路径)。

知识图谱网络

传播网络

商品关联网络

References

[1] 大数据文本分析的应用场景有哪些
[2] 【数据运营】在运营中,为什么文本分析远比数值型分析重要?(上)
[3] 【数据运营】在运营中,为什么文本分析远比数值型分析重要?一个实际案例,五点分析(下)