文本分析工具箱
分析和模型文本数据
Text Analytics Toolbox™为文本数据的预处理、分析和建模提供了算法和可视化。使用工具箱创建的模型可用于情感分析、预测维护和主题建模等应用程序。
文本分析工具箱包括用于处理来自设备日志、新闻源、调查、运营商报告和社交媒体等来源的原始文本的工具。您可以从流行的文件格式中提取文本，预处理原始文本，提取单个单词，将文本转换为数字表示，并构建统计模型。
使用机器学习技术，如LSA，LDA和Word Embeddings，您可以找到来自高维文本数据集的群集并创建功能。使用Text Analytics Toolbox创建的功能可以与其他数据源的功能组合，以构建机器学习模型，以利用文本，数字和其他类型的数据。
开始：
提取文本数据
导入文本数据到MATLAB®从单个文件或大型文件集合，包括PDF、HTML和Microsoft®单词®和Excel®文件。
从Microsoft Word文档集合中提取文本。
显示使用字体大小和颜色的词的词云云。
语言支持万博1manbetx
Text Analytics Toolbox为英语，日语，德语和韩语提供了语言特定的预处理功能。大多数函数也使用其他语言的文本。
导入，准备和分析日文文本。
清洁文本数据
应用高级过滤功能以删除无关内容，例如URL，HTML标记和标点，以及正确的拼写。
简化原始文本（左）以使用最有意义的单词（右）。
过滤器停止单词并将单词标准化为根形式
在分析中，通过过滤常见单词、出现频率过高或过低的单词、太长或太短的单词，对有意义的文本数据进行优先级排序。减少词汇量，将注意力集中在文档的更广泛的意义或情感上，方法是将单词词根化或词根化到字典形式。
删除文档中的停顿词，如“a”和“of”。
将言语和句子详细信息添加到令牌化文件。
在模型中识别和可视化最常见的发生词。
单词嵌入和编码
训练词嵌入模型，如word2vec连续词袋(CBOW)和跳跃图模型。导入预先训练的模型，包括fastText和GloVe。
使用单词嵌入在文本散点图中可视化集群。
主题建模
使用机器学习算法（如潜在的Dirichlet分配（LDA）和潜在语义分析（LSA））在大型文本数据中发现和可视化底层模式，趋势和复杂关系。
确定风暴报告数据中的主题。
文档摘要和关键字提取
自动从一个或多个文档中提取摘要和相关关键字，并评估文档的相似性和重要性。
从文本中提取摘要。
识别预测积极和负面情绪的词语。
变压器模型
利用伯特和GPT-2等变压器模型，以便与文本数据进行转移学习，以进行情绪分析，分类和摘要。
用文本数据传输学习的变压器模型。
培训深度神经网络以对文本数据进行分类。
文本生成使用简奥斯汀的傲慢与偏见深度学习LSTM网络。
