文本分析工具箱
分析和建模文本数据
文本分析工具箱™提供了用于预处理、分析和建模文本数据的算法和可视化。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、操作员报告和社交媒体等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。
使用诸如LSA、LDA和word嵌入式等机器学习技术,您可以从高维文本数据集中找到集群并创建特性。使用文本分析工具箱创建的功能可以与来自其他数据源的功能相结合,从而构建利用文本、数字和其他类型数据的机器学习模型。
开始:
提取文本数据
将文本数据导入MATLAB®从单个文件或大型文件集合,包括PDF、HTML和Microsoft®词®和Excel®文件。
字嵌入和编码
训练单词嵌入模型,如word2vec连续词包(CBOW)和跳跃图模型。进口预训练模型,包括fastText和手套。
使用文本数据的机器学习
对主题进行建模、分类和降维机器学习潜在狄利克雷分配(LDA)和潜在语义分析(LSA)等算法。
情绪分析
使用包括VADER在内的情感评分算法来评估文本数据中的情感
韩国语言支持万博1manbetx
对韩语文本进行文本分析,包括符号化、词元化、词性标注和命名实体识别
日语和韩语的标记化
自定义tokenization选项,包括MeCab和用户字典
深度学习
使用预先训练好的词嵌入初始化词嵌入层
看到发布说明有关这些功能和相应功能的详细信息。
情绪分析与深度学习
分析实时Twitter数据的情绪,以理解如何理解给定的术语。
有问题吗?
联系Sohini Sarkar,文本分析工具箱技术专家