آموزش گام های عملی متن کاوی – آشنایی با دیتاست ها (رایگان)

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. ما در این آموزش قصد داریم تا گام های عملی متن کاوی – آشنایی با دیتاست ها را مورد بحث و بررسی قرار دهیم.

فرادرس

محمد مرادی