Phân cụm và xếp hạng văn bản

Abstract

Ngày nay, với sự phát triển vượt bậc của công nghệ thông tin, số lượng các tài liệu điện tử do con người tạo ra ngày càng phong phú và đa dạng. Cơ sở dữ liệu văn bản (text database) đang phát triển nhanh chóng và thu hút sự quan tâm nghiên cứu bởi sự gia tăng nhanh chóng số lượng thông tin ở dạng số, ví dụ như các loại tài liệu điện tử, email, thư điện tử, các trang web…Có thể thấy hầu hết thông tin của các chính phủ, các ngành công nghiệp, kinh doanh, trường học … đều được số hóa và lưu trữ ở dưới dạng cơ sở dữ liệu này làm cho dữ liệu văn bản tăng trưởng nhanh chóng. Khai thác văn bản (text mining) là một nhánh của data mining nhằm tìm kiếm và trích xuất thông tin nằm trong văn bản. Text mining ngày càng có nhiều ứng dụng trong thực tế như lọc thư rác, đối chiếu lý lịch cá nhân, phân tích cảm nghĩ, phân loại tài liệu… Luận văn này giới thiệu một số kiến thức cơ bản về khai phá dữ liệu, khai phá văn bản đồng thời nghiên cứu, tìm kiếm, xây dựng giải pháp và cài đặt chương trình ứng dụng có thể phân cụm và xếp hạng văn bản.