114 1 資料採礦與文字探勘 2025 10 23 上課實錄 7

中國文化大學行政管理學系副教授 隨著電子典藏技術的精進, 文字探勘技術逐漸受到重視,本文以社會科學研究在文意區別上的需求, 評估監督式機器學習對非結構、複雜文本的分類效果, 並就所見問題提出分析與建議。本文從文字探勘與內容分析文意區別上的差異與共通性出發, 繼而以新聞報導為分析資料, 針就特定文件意向,遵循一般文字探勘程序, 以支持向量機與簡易貝式分類器執行文件分類評估。分析結果指出, 文字探勘對於複雜文意的判讀效果值得肯定,但經由共詞網絡分析也發現, 文件的編撰風格將影響文件分類的效果。 建議研究者在資

文字探勘（Text Mining），又稱文字資料探勘、文本挖掘，是一種從非結構化文字資料中提取有用資訊的技術。 它的目標是將大量的文字數據轉換為能夠幫助分析和決策的高品質信息。 這個過程通常涵蓋文本分類、預測模型建立、情感分析等方面，並且廣泛應用於各種領域，如商業、醫療、社交媒體分析等。 具體來說，文字探勘的步驟包括： 1. **資料收集與前處理**：首先，收集大量的文字資料，並進行清理和格式化，如去除停用詞、數字等無意義的部分。 2. **特徵提取**：將文本轉化為數字特徵向量（如詞頻或TF-IDF），

格式確定無誤之後，前處理的第一步是刪除不必要的特殊符號，這些大多是版面控制指令或代號，因為它與文本語意無關，避免干擾，最好先刪除。

保險業與金融業持有大量的文字資料，若將這些資料結構化並使用文字探勘工具和技術對其進行文字分析，能有助於此類公司偵測和防止欺詐。

與 Data Mining 不同之處，在於 Text Mining 是針對文字進行分析，且文字多屬半結構化或非結構資料，因此要先對文字進行前處理（Pre-Processing），並透過某些統計方法與演算法（例如：Term Frequency - Inverse Document Frequency，簡稱 TF-IDF），對文字進行分析與運用，進而 ...

帶領初學者了解如何從無架構的文字，用自然語言處理分析，找到有價值的資訊，產生效益、解決問題。 這堂課除了會深入淺出的教授一般教科書有的技術外，並會給與實際應用的例子，讓初學者能練習面對問題的方法，也能運用技巧來分析成品並同時教導如何 ...

文字分析包括了資訊檢索與詞典分析來研究詞語的頻數分布、模式辨識、標籤\注釋、資訊抽取，資料探勘技術包括連結和關聯分析、視覺化和預測分析。 本質上，首要的任務是，通過自然語言處理（NLP）和分析方法，將文字轉化為資料進行分析。