텍스트 구조화되지 않은 빅 데이터 - 더미

대규모 데이터 계획을 위해 구조화되지 않은 데이터를 분석하는 데는 여러 가지 방법이 있습니다. 역사적으로 이러한 기술은 자연어 처리 (NLP), 지식 검색, 데이터 마이닝, 정보 검색 및 통계와 같은 기술 영역에서 비롯되었습니다. 텍스트 분석 은 구조화되지 않은 텍스트를 분석하고 관련 정보를 추출한 다음 구조화 된 정보로 변환하여 다양한 방법으로 활용할 수있는 프로세스입니다.

예를 들어 복잡한 주제를 설명하는 데 도움이 될 수 있습니다. 무선 전화 회사의 마케팅 부서에서 일한다고 가정 해보십시오. 플랜 A와 플랜 B의 두 가지 새로운 통화 플랜을 출시했습니다. 계획 A에서 원하는 통화를 얻지 못하고 있습니다. 콜센터 노트의 구조화되지 않은 텍스트는 이러한 일이 발생한 이유에 대한 통찰력을 줄 수도 있습니다.

밑줄이 그어진 단어는 플랜 A가 급속도로 채택되지 않는 이유를 이해하는 데 필요한 정보를 제공합니다. 예를 들어 콜센터 노트 전체에 엔티티 Plan A가 나타나 보고서에 계획이 언급되어 있음을 나타냅니다.

롤오버 분, 4GB 데이터, 데이터 계획, 및 비용이 라는 용어는 롤오버 분, 데이터 계획 및 가격에 문제가 있음을 나타내는 증거입니다. 어리석은 와 어리석은 과 같은 단어는 발신자의 정서에 대한 통찰력을 제공합니다.이 경우 발신자의 정서는 부정적입니다. 문제

정서

사용자 정의 XYZ	계획 A	롤오버 분	중립
사용자 정의 ABC	계획 A	롤오버 분	네거티브
XXXX	계획 A	비싼	중립
XXXX	계획 A	데이터 계획	중립
사용자 정의 XYT > 계획 A	데이터 계획	네거티브	이걸보고 "콜센터 레코드를보고 나도 알아낼 수있었습니다. "그러나 이들은 수천 개의 콜센터 에이전트가 기록하는 정보의 일부분에 지나지 않습니다. 각 개별 요원은 회사에서 제공하는 각 계획에 대한 문제에 대한 폭 넓은 추세를 감지 할 수 없습니다.
상담원은 플랜 A에 대해 유사한 전화 번호를 얻고있는 다른 모든 콜센터 요원에 대해이 정보를 공유 할 시간이나 요구 사항이 없습니다. 그러나이 정보가 텍스트 분석 알고리즘을 사용하여 집계되고 처리 된 후 추세 이 비정형 데이터에서 나타날 수 있습니다. 그것이 텍스트 분석을 매우 강력하게 만듭니다.	검색은 최종 사용자가 이미 알고있는 것을 기반으로 문서를 검색하는 것입니다. 텍스트 분석은 정보를 발견하는 것입니다. 텍스트 분석은 검색과 다르지만 검색 기술을 향상시킬 수 있습니다. 예를 들어, 검색과 결합 된 텍스트 분석을 사용하여 문서의 분류 또는 분류를 향상시키고 요약 또는 문서 요약을 생성 할 수 있습니다.	쿼리, 데이터 마이닝, 검색 및 텍스트 분석의 네 가지 기술이 있습니다. 테이블의 왼쪽에는 쿼리와 검색이 있는데, 모두 검색에 관한 것입니다. 예를 들어, 최종 사용자는 데이터베이스에 쿼리하여 지난 달에 회사의 서비스 사용을 중단 한 고객 수를 확인할 수 있습니다.	쿼리는 단일 숫자를 반환합니다. 최종 사용자는 더 많은 다른 쿼리를 요구함으로써 고객이 떠나야하는 이유를 결정하는 데 필요한 정보를 얻을 수 있습니다. 마찬가지로 키워드 검색을 통해 최종 사용자는 회사의 경쟁 업체 이름이 포함 된 문서를 찾을 수 있습니다. 검색은 문서 그룹을 반환합니다. 문서를 읽는 것만으로 최종 사용자가 관련 답변을 찾아 낼 수 있습니다.