文本分析工具箱
分析和建模文本数据
Text Analytics Toolbox™为文本数据的预处理、分析和建模提供了算法和可视化。使用工具箱创建的模型可用于情感分析、预测维护和主题建模等应用程序。
文本分析工具箱包括用于处理来自设备日志、新闻源、调查、运营商报告和社交媒体等来源的原始文本的工具。您可以从流行的文件格式中提取文本,预处理原始文本,提取单个单词,将文本转换为数字表示,并构建统计模型。
使用机器学习技术,如LSA、LDA和单词嵌入,您可以从高维文本数据集中找到集群并创建特征。使用文本分析工具箱创建的功能可以与来自其他数据源的功能相结合,以构建利用文本、数字和其他类型数据的机器学习模型。
开始:
提取文本数据
导入文本数据到MATLAB®从单个文件或大型文件集合,包括PDF、HTML和Microsoft®单词®和Excel®文件。
单词嵌入和编码
训练词嵌入模型,如word2vec连续词袋(CBOW)和跳跃图模型。导入预先训练的模型,包括fastText和GloVe。
主题建模
使用机器学习算法,如潜在Dirichlet分配(LDA)和潜在语义分析(LSA),发现并可视化大型文本数据集中的潜在模式、趋势和复杂关系。
文档摘要和关键字提取
自动从一个或多个文档中提取摘要和相关关键字,并评估文档的相似性和重要性。
变压器模型
利用变换器模型(如BERT和GPT-2)对情绪分析、分类和总结等任务的文本数据执行迁移学习。