黎伟健 胡斌 李威 唐健玲 肖西西

关键词 非结构化文本；情感分析；分类分析

中图分类号 G2 文献标识码 A 文章编号 2096-0360（2021）08-0008-03

1 研究背景

根据IDC报告，当下数据以每年50%左右的速度快速增长，非结构化文本数据占比很高。因此，非结构化文本数据的挖掘分析显得尤为迫切和重要。

文本挖掘（Text Mining）又称为文本数据挖掘（Text Data Mining）或文本知识发现（Knowledge Discovery in Texts，KDT），是指从大量非结构化文本数据中抽取未知的、可理解的、最终可用的知识，并运用这些知识更好地组织信息，进而获取用户感兴趣或有用模式的过程[1-2]。文本挖掘流程大致可以描述为基于网页、文档、字符等非结构化文本数据，利用自然语言处理技术实现非结构化文本数据结构化，再结合机器学习、统计分析、可视化分析等技术进行挖掘分析，进而实现搜索引擎、舆情分析、新闻分类等。

目前，文本挖掘作为信息时代的重要研究领域，逐渐成为国内外学者的重点研究方向。本文将基于大数据视角，通过对文本挖掘分析方法进行梳理，总结海量文本分析流程，以期能有助于对海量文本开展情感分析和问题分类。

2 文本挖掘方法

采用“朴素贝叶斯算法”（Naive Bayes Classifier）和机器学习[3]，对客户反馈的意见进行情感正负向判断，将客户反馈标记为1（正向）、0（中性）、-1（负向）3类。通过人工标注分类规则、机器运行相结合的方法对客户意见进行分类，发现用户反馈意见的主要内容，分析完成后会通过不断的人工校验优化分类规则，提高分析准确性。

2.1 客户情感倾向分析