Penambangan teks
![](http://upload.wikimedia.org/wikipedia/commons/thumb/4/43/Tripletsnew2012.png/220px-Tripletsnew2012.png)
Penambangan teks (bahasa Inggris: text mining) adalah proses ekstraksi pola berupa informasi dan pengetahuan yang berguna dari sejumlah besar sumber data teks, seperti dokumen Word, PDF, kutipan teks, dll. Jenis masukan untuk penambangan teks ini disebut data tak terstruktur dan merupakan pembeda utama dengan penambangan data yang menggunakan data terstruktur atau basis data sebagai masukan. Penambangan teks dapat dianggap sebagai proses dua tahap yang diawali dengan penerapan struktur terhadap sumber data teks dan dilanjutkan dengan ekstraksi informasi dan pengetahuan yang relevan dari data teks terstruktur ini dengan menggunakan teknik dan alat yang sama dengan penambangan data. Proses yang umum dilakukan oleh penambangan teks di antaranya adalah perangkuman otomatis, kategorisasi dokumen, penggugusan teks, deteksi plagiarisme, dll. (Turban, et.al., 2011)
Rujukan
- Berry, M.W.; Kogan, J. (2010). Text Mining: Application and Theory. Chichester: John Wiley & Sons, Ltd.
- Feldman, R.; Sanger, J. (2007). The Text Mining Handbook: Advanced Approaches in Analyzing Unstructured Data. New York: Cambridge University Press.
- Turban, E.; et.al. (2011). Decision Support and Business Intelligence Systems (edisi ke-9). New Jersey: Pearson Education, Inc.
- l
- b
- s
- AI-komplit
- Bag-of-words
- n-gram
- Bigram
- Trigram
- Linguistik komputasi
- Pemahaman bahasa alami
- Stop words
- Text processing
- Collocation extraction
- Concept mining
- Coreference resolution
- Deep linguistic processing
- Distant reading
- Information extraction
- Named-entity recognition
- Ontology learning
- Parsing
- Part-of-speech tagging
- Semantic role labeling
- Semantic similarity
- Sentiment analysis
- Terminology extraction
- Text mining
- Textual entailment
- Truecasing
- Word-sense disambiguation
- Word-sense induction
Segmentasi teks |
|
---|
- Multi-document summarization
- Sentence extraction
- Text simplification
- BERT
- Document-term matrix
- Explicit semantic analysis
- fastText
- GloVe
- Language model
- Latent semantic analysis
- Seq2seq
- Word embedding
- Word2vec
datasets and corpora
Jenis dan standar |
|
---|---|
Data |
|
dan pengambilan data
- Pengenalan suara
- Segmentasi ucapan
- Sintesis ucapan
- Generasi bahasa alami
- Optical character recognition
- Document classification
- Latent Dirichlet allocation
- Pachinko allocation
dengan bantuan komputer
- Automated essay scoring
- Concordancer
- Grammar checker
- Predictive text
- Penilaian pengucapan
- Pemeriksa ejaan
- Sintaks menebak
antarmuka pengguna
- Chatbot
- Fiksi interaktif
- Menjawab pertanyaan
- Asisten virtual
- Antarmuka pengguna suara
- Hallucination
- Perangkat Bahasa Alami
- spaCy
![]() | Artikel bertopik teknologi informasi ini adalah sebuah rintisan. Anda dapat membantu Wikipedia dengan mengembangkannya. |
- l
- b
- s