白 杨

（辽东学院 信息工程学院，辽宁 丹东 118003）

近年来，人工智能、云计算、物联网、移动通信等技术与应用的快速发展及其与社会经济活动的广泛融合，把人类社会带入一个全新的大数据时代。大数据成为国际竞争、国家发展的重要领域，给人们的生活、学习和工作带来新的模式，采用合理的方法针对大数据进行挖掘和利用，将有助于获取有价值的信息。高校的发展也应迎合大数据新环境的要求，在教学理念上做出适合学生能力发展的调整，并切实在教学实践中付诸行动，增强学生的就业竞争优势。

目前，面向大数据相关人才的迫切需求，我国各大高校的计算机科学、信息管理等专业开设了“数据挖掘”课程。大数据环境下的互联网约95%的数据以文本数据形式存在，文本挖掘技术及其应用已经成为新的研究热点，是数据挖掘技术发展的重要方向[1]。在各类相关教材中，也只将文本挖掘作为Web挖掘的一个小知识点，并没对其知识构成和主要技术做全面介绍。针对这一现象，本文将对文本挖掘这一知识点进行系统概述，对其区别于其他形式数据的挖掘技术特点进行阐述。

1 文本挖掘概述

文本挖掘一词最早出现于1998年第十届欧洲机器学习会议上，它是一个从大量文本数据中提取以前未知的、有用的、可理解的、可操作的知识的过程[2]。文本挖掘的目的是从文本集合中，试图在一定的理解水平上尽可能多地提取知识，其本质是自然语言处理（Natural Language Processing，NLP）过程，NLP是将无结构的自然语言转换成结构化数据自然语言，便于计算机的理解、存储和管理。……