টেক্সট মাইনিং টেক্সট এনালাইসিস নামেও পরিচিত। এটি সাধারণ বিশ্লেষণের জন্য কাঠামোহীন পাঠ্যকে কাঠামোগত ডেটাতে রূপান্তর করার পদ্ধতি। টেক্সট মাইনিং প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) প্রয়োগ করে, মেশিনগুলিকে মানুষের ভাষা জানতে এবং এটি স্বয়ংক্রিয়ভাবে প্রক্রিয়া করতে সক্ষম করে৷
এটি স্ট্যান্ডার্ড ভাষার পাঠ্য থেকে উল্লেখযোগ্য তথ্য আহরণের পদ্ধতি হিসাবে সংজ্ঞায়িত করা হয়। কিছু ডেটা যা এটি পাঠ্য বার্তা, রেকর্ড, ইমেল, ফাইলের মাধ্যমে তৈরি করতে পারে তা সাধারণ ভাষার পাঠ্যে লেখা হয়। টেক্সট মাইনিং সাধারণত এই ধরনের ডেটা থেকে উপকারী অন্তর্দৃষ্টি বা প্যাটার্ন আঁকতে ব্যবহৃত হয়।
ডেটা মাইনিং-এ টেক্সট মাইনিং-এর নিম্নলিখিত ক্ষেত্রগুলি রয়েছে যা নিম্নরূপ -
তথ্য পুনরুদ্ধার − তথ্য পুনরুদ্ধার ফাইল পুনরুদ্ধারের একটি সংযোজন হিসাবে বিবেচিত হয় এবং ঘোষিত পাঠ্যগুলি একত্রিত করার জন্য প্রক্রিয়া করা হয়। তাই নথি পুনরুদ্ধার একটি পাঠ্য সংক্ষিপ্তকরণ পদ্ধতি অনুসরণ করে এবং ব্যবহারকারীর ক্যোয়ারী আনুষ্ঠানিকভাবে লক্ষ্য করে।
IR সিস্টেমগুলি একটি নির্দিষ্ট সমস্যার সাথে প্রাসঙ্গিক রেকর্ডগুলির সেটকে সংকুচিত করতে সহায়তা করে। টেক্সট মাইনিং উদার নথি সংগ্রহের জন্য খুব জটিল অ্যালগরিদম ব্যবহার করে। এছাড়াও, IR নথির সংখ্যা কমিয়ে বিশ্লেষণকে উল্লেখযোগ্যভাবে এগিয়ে নিতে পারে।
ডেটা মাইনিং − ডেটা মাইনিং হল পরিসংখ্যানগত এবং গাণিতিক কৌশল সহ প্যাটার্ন শনাক্তকরণ প্রযুক্তি ব্যবহার করে সংগ্রহস্থলগুলিতে সংরক্ষিত প্রচুর পরিমাণে ডেটা স্থানান্তর করে দরকারী নতুন পারস্পরিক সম্পর্ক, প্যাটার্ন এবং প্রবণতা খুঁজে বের করার প্রক্রিয়া। এটি সন্দেহাতীত সম্পর্কগুলি আবিষ্কার করার জন্য এবং ডেটা মালিকের জন্য যৌক্তিক এবং সহায়ক উভয়ই অভিনব পদ্ধতিতে রেকর্ডগুলির সংক্ষিপ্তসার করার জন্য বাস্তবিক ডেটাসেটের বিশ্লেষণ৷
ডেটা মাইনিং-এ, ডেটার লুকানো প্যাটার্নগুলিকে একাধিক বিভাগ অনুসারে দরকারী ডেটার একটি অংশ হিসাবে বিবেচনা করা হয়। এই ডেটা বিশ্লেষণের জন্য ডেটা গুদাম সহ একটি এলাকায় একত্রিত করা হয় এবং ডেটা মাইনিং অ্যালগরিদমগুলি সঞ্চালিত হয়। এই ডেটা কার্যকর সিদ্ধান্ত তৈরি করতে সহায়তা করে যা মূল্য হ্রাস করে এবং রাজস্ব বাড়ায়।
প্রাকৃতিক ভাষা প্রক্রিয়াকরণ (NLP) - NLP মানুষের ভাষার শিল্প। টেক্সট মাইনিংয়ে NLP-এর উদ্দেশ্য হল ইনপুট হিসাবে ডেটা নিষ্কাশন প্রক্রিয়ার মধ্যে সিস্টেমকে সরবরাহ করা।
এনএলপি অ্যাপ্লিকেশনের বিকাশ কঠিন কারণ কম্পিউটারের জন্য সাধারণত মানুষকে একটি প্রোগ্রামিং ভাষায় "কথা বলতে" প্রয়োজন হয় যা নির্দিষ্ট, বিনামূল্যে এবং ব্যতিক্রমী কাঠামোগত। মানুষের বক্তৃতা নিয়মিতভাবে প্রামাণিক নয় যাতে এটি অপবাদ, সামাজিক প্রেক্ষাপট এবং আঞ্চলিক উপভাষা সহ অনেক জটিল ভেরিয়েবলের উপর ভিত্তি করে তৈরি হতে পারে।
তথ্য নিষ্কাশন (IE) − তথ্য নিষ্কাশন হল অসংগঠিত থেকে স্বয়ংক্রিয়ভাবে স্ট্রাকচার্ড ডেটা বের করার কাজ। সাধারণ ক্ষেত্রে, এই ক্রিয়াকলাপে NLP ব্যবহার করে মানব ভাষার পাঠ্য প্রক্রিয়াকরণ জড়িত।
