Data Mining 和 Text Mining 之间有什么区别？两者都指将非结构化数据提取到结构化数据 . 这两种形式都以同样的方式运作吗？
数据类型多于文本 .
很多数据都是结构化的 . 许多分析流水线，即使在文本挖掘中也包含 preprocessing step to structure the data （例如，对矢量空间模型中的文本进行编码） . 然后应用经典的结构化分析方法（例如球形k均值），这些方法最初与文本完全没有关系 .
有人可能会争辩说，大部分文本挖掘都是将数据挖掘应用于特殊的文本案例 . （但当然不是全部;并且在文本中首先使用了许多技术，然后在其他数据中使用） .
考虑例如亚马逊使用的 product recommendations . 这不是基于文本的主要内容，而是基于用户产品矩阵（一起购买，由同一用户点击） . 这实际上是一个非常强大的结构 .
数据挖掘通常从数据库中提取知识（或发现大型数据集中的模式） . 否则，文本挖掘是文本领域中的特定数据挖掘 .
例如，数据挖掘可以提取一起购买的购物篮中的常见产品的模式 . 在自然语言处理（NLP）的情况下，可以发现用于提取某些类型的实体（地点，人等）的单词类型 .
数据挖掘主要用于转换此类数据（“ Text Data " and "非文本数据" such as Numerical, relational and video data) into "可操作知识” .
因此，您可以将“文本挖掘”视为“数据挖掘”中的子组 .
3 回答
数据类型多于文本 .
很多数据都是结构化的 . 许多分析流水线，即使在文本挖掘中也包含 preprocessing step to structure the data （例如，对矢量空间模型中的文本进行编码） . 然后应用经典的结构化分析方法（例如球形k均值），这些方法最初与文本完全没有关系 .
有人可能会争辩说，大部分文本挖掘都是将数据挖掘应用于特殊的文本案例 . （但当然不是全部;并且在文本中首先使用了许多技术，然后在其他数据中使用） .
考虑例如亚马逊使用的 product recommendations . 这不是基于文本的主要内容，而是基于用户产品矩阵（一起购买，由同一用户点击） . 这实际上是一个非常强大的结构 .
数据挖掘通常从数据库中提取知识（或发现大型数据集中的模式） . 否则，文本挖掘是文本领域中的特定数据挖掘 .
例如，数据挖掘可以提取一起购买的购物篮中的常见产品的模式 . 在自然语言处理（NLP）的情况下，可以发现用于提取某些类型的实体（地点，人等）的单词类型 .
数据挖掘主要用于转换此类数据（“ Text Data " and "非文本数据" such as Numerical, relational and video data) into "可操作知识” .
因此，您可以将“文本挖掘”视为“数据挖掘”中的子组 .