NLPIR文本分析工具的功能和特色介绍

通常用于研究分析的数据中，非结构化的数据所占比例更高，这些非结构化的数据中也包含着重要的信息量，要运用文本分析工具来完成信息提取。文本分析是自然语言处理的一个小分支，是指从文本中抽取特征词进行量化以表示文本信息，文本一般指文字。过程是将无结构化的原始文本转化为结构化，高度抽象和特征化，计算机可以识别和处理的信息，进而利用机器学习，分类聚类等算法，再对文本进行分析处理。现已经在广告推荐和舆情监测方面实现应用。

NLPIR大数据语义智能分析平台十三大功能：
精准采集：对境内外互联网海量信息实时精准采集，有主题采集(按照信息需求的主题采集)与站点采集两种模式(给定网址列表的站内定点采集功能)。
文档转化：对doc、excel、pdf与ppt等多种主流文档格式，进行文本信息转化，效率达到大数据处理的要求。
新词发现：从文本中挖掘出新词、新概念，用户可以用于专业词典的编撰，还可以进一步编辑标注，导入分词词典中，提高分词系统的准确度，并适应新的语言变化。
批量分词：对原始语料进行分词，自动识别人名地名机构名等未登录词，新词标注以及词性标注。并可在分析过程中，导入用户定义的词典。
语言统计：针对切分标注结果，系统可以自动地进行一元词频统计、二元词语转移概率统计。针对常用的术语，会自动给出相应的英文解释。
文本聚类：能够从大规模数据中自动分析出热点事件，并提供事件话题的关键特征描述。同时适用于长文本和短信、微博等短文本的热点分析。
文本