NLPIR大数据语义智能分析平台的文本提取功能介绍

文本信息是有具体的单元结构组成，包括句子，段落，篇章。文本信息抽取是指对现有文本数据进行信息抽取的过程，抽取单位也有具体单位组成。比如抽取文本数据中的短语，人名，或者地名。

从机器学习的角度分析，将文本信息抽取作为监督学习的一项具体运用。文本信息抽取可以分为两个阶段：学习阶段和抽取阶段。

NLPIR大数据语义智能分析平台在文本信息提取介绍方面，能够实现新词提取和关键词提取。

新词发现能从文本中挖掘出具有内涵的新词、新概念，用户可以用于专业词典的编撰，还可以进一步编辑标注，导入分词词典可提高分词系统的准确度，并适应新的语言变化。新词提取内容包括：词语、词性、权重和词频统计。本步骤所得到的新词， 可以作为分词标注器的用户词典导入，从而使分词结果更加准确。

关键词提取能够对单篇文章或文章集合，提取出若干个代表文章中心思想的 词汇或短语，可用于精化阅读、语义查询和快速匹配等。关键词提取能够对单篇文章或文章集合，提取出若干个代表文章中心思想的 词汇或短语，可用于精化阅读、语义查询和快速匹配等。关键词分析内容包括： 词语、词性、权重和词频统计。系统默认词汇以权重值高低排序。

同时，NLPIR大数据语义智能分析平台能够实现对于新词、关键词提取结果的高维可视化展示，可视化形式有三种：文 本格式、二维格式与三维格式。用户可根据需要直接使用，无须再次设计美化。