آموزش متن کاوی Text Mining با زبان آر R

در میان انواع داده ای مختلف، داده های متنی، رایج ترین و به نوعی پر استفاده ترین گونه هستند. به عبارت دیگر، این داده ها تقریبا در تمامی حوزه های کاربردی تولید می شوند و موارد استفاده فراوانی دارند. به عنوان مثال، متن کتاب ها و یادداشت ها، گزارش ها و مقالات علمی، فاکتورهای فروش، شبکه های اجتماعی، اظهارنظرهای مشتریان، کاربران و بسیاری موارد دیگر می توانند در زمره این داده ها قرار بگیرند. بر این اساس به راحتی می توان نتیجه گرفت که در دسترس ترین نوع داده ها که توسط تمامی انسان ها و در هر حوزه کاری در حال تولید و استفاده است، متون هستند. پر استفاده بودن این نوع از داده ها، چالش های متنوعی را نیز پیش روی قرار می دهند. از یک سو، مدیریت داده های متنی در عین اینکه بسیار ساده تصور می شود، به علت ماهیت بدون ساختار (ساخت نیافته) آن ها دشواری هایی را نیز به همراه دارد. از سوی دیگر، برخلاف داده های رابطه ای (که در پایگاه های داده مرسوم ذخیره می شوند) جستجو و اعمال پرس و جو بر روی داده های متنی نیازمند ملاحظات دیگری است. علاوه بر این موارد، وجود ابهام در زبان های طبیعی که سبب ایجاد برداشت ها و تفاسیر متفاوت می شود نیز، فرایند مدیریت این نوع از داده ها را دشوارتر می سازد. اگرچه رویکردها و بسته های نرم افزاری متعددی جهت انجام فرایند متن کاوی ارائه شده اند، قابلیت های متعدد زبان R در زمینه تحلیل داده های متنی و بازنمایی بصری نتایج آن سبب شده است که توجهات زیادی به سوی استفاده از آن معطوف شود. بر همین اساس، در این فرادرس بر آن شده ایم که مروری کاربردی بر فرایند متن کاوی با استفاده از زبان R داشته باشیم. در واقع هدف اصلی این آموزش، آماده سازی مخاطبان (در حوزه های مختلف کاری نظیر: مهندسی نرم افزار، هوش مصنوعی، بازاریابی و زبان شناسی) برای مواجهه با داده های متنی، مدیریت آن ها و اعمال روش های مختلف تحلیل و بازنمایی بصری بر روی آن ها است. در این مسیر، علاوه بر آشنایی کلی با مفاهیم متن کاوی، مخاطبان با نحوه به کارگیری دستورات و کتابخانه های مختلف زبان R که به این منظور طراحی شده اند، آشنا خواهند شد.

فرادرس

محمد مرادی