Aνάλυση Kειμένων με το RapidMiner

Abstract

Στο κεφάλαιο αυτό γίνεται παρουσίαση μεθόδων εξόρυξης δεδομένων από κείμενα. Θα δοθούν οι βασικοί ορισμοί και οι τεχνικές για την ανάλυση κειμένου. Θα ακολουθήσει μια μελέτη περίπτωσης, στην οποία με τη βοήθεια του RapidMiner θα δημιουργήσουμε μια διαδικασία που θα ξεχωρίζει τα ανεπιθύμητα μηνύματα από τα μη ανεπιθύμητα. Στη συνέχεια, θα εφαρμόσουμε το μοντέλο που έχουμε καταλήξει σε νέα μηνύματα, για να αποφασίσουμε αν είναι ανεπιθύμητα ή όχι. Οι ίδιες τεχνικές που χρησιμοποιούνται για την ταξινόμηση των ανεπιθύμητων μηνυμάτων μπορούν να χρησιμοποιηθούν σε πολλούς άλλους τομείς εξόρυξης κειμένου.

In this chapter, data mining methods for texts are presented. The basic definitions and techniques for text analysis will be given. A case study will follow in which, with the help of RapidMiner, we will create a process that separates spam from non-spam emails. We will then apply the model we have come up with to new messages to decide whether they are spam or not. The same techniques used for spam classification can be used in many other areas of text mining.