텍스트텍스트이터준비

马铃薯^®으로텍스트데이터를가져와분석분석을위해위해

Text Analytics Toolbox™에는기기의로그데이터，뉴스뉴스，설문설문사，작업자작업자，소셜미디어같은각종의원시를처리수수다양툴툴이이이이이이에。이러한툴을사용용하여사용되는되는형식의파일에서텍스트를하고，원시텍스트를하고，개별단어또는다단어（n-gram）을을하고，텍스트를숫자형으로변환，통계모델을구축하는등의다양한작업을수행할수있습니다。시작시작방법을보여보여주는예제准备分析的文本数据항목을참조하십시오。

文本分析工具箱는는，영어，일본어，독일어를합니다。대부분의文本分析工具箱│││││││││││││││││││├자세한내용은语言考虑因素항목을참조하십시오。

함수

모두확장

가져오기및및내

`提取物文字`	阅读PDF的文本，微软单词，html和纯文本文件
`extracthtmltext.`	html에서텍스트추출
`readpdfformdata.`	PDF양식에서데이터읽어읽어
`WriteTextDocument.`	텍스트파일에문서쓰기

html구문분석

`htmltree.`	解析的html树
`Fedelement.`	html트리에서요소찾기
`getAttribute.`	读取HTML树根节点的HTML属性
`不见了`	값이없는html트리찾기

문서전처리

`令人畏缩的鳕文`	文本分析的授权文档数组
`侵蚀`	从文本和文档中擦除标点符号
`erasetags.`	텍스트에서html및xml태그지우기
`eraseulls.`	텍스트텍스트http및https url지우기
`Removestopwords.`	从文档中删除停止单词
`removeshortwords.`	문서또는袋袋모델에서짧은단어제거
`removelongwords.`	문서또는袋袋모델에서긴단어제거
`删除`	从文档或单词袋式模型中删除所选单词
`正常化字`	茎或鼠里言语
`替换字词`	문서내단어바꾸기
`更换铭文`	문서내n-gram바꾸기
`秒表`	불용어목록
`解码码`	html및xml엔터티를문자로변환
`降低`	문서를소문자로변환
`上`	문서를대문자로변환

토큰세부정보

`语境`	在上下文中搜索单词或n-gram出现的文档
`令敬当`	令牌化文档阵列中的令牌细节
`AddsentEnCentails.`	将句号添加到文件中
`addpartofspeechdetails.`	向文档添加语音部分标签
`addlemmadetails.`	문서에토큰의표제어형태추가
`addlangugseTails.`	为文档添加语言标识符
`添加性达尔`	将实体标记添加到文档
`addtypedetails.`	문서에토큰유형세부정보추가
`诽谤`	텍스트를문장으로분할
`小毒素语言`	텍스트의언어감지
`缩写`	일반약어테이블
`人持人群`	최상위도메인목록

단어및n-gram개수개수

`Bagofwords.`	袋式模型
`Bagofngrams.`	袋式袋型号
`adddocument.`	文字袋모델또는袋 - n-grams모델에문서추가
`删除录制`	袋子모델모델또는袋 - 克모델에서문서제거
`removeinfrequentwords.`	文字袋모델에서가적은단어제거
`removeinfrequentngrams.`	从n-r克模型中消除不经常看到的n-gram
`Removenrams.`	从n-r克模型中移除n-grams
`删除程序`	从令牌化文档阵列中删除空文档，文字袋模型或N-r克模型
`topkwords.`	袋式模型或LDA主题中最重要的单词
`Topkngrams.`	最常见的n-grams
`编码`	将文档编码为单词或n-gram计数的矩阵
`TFIDF.`	术语频率 - 逆文档频率（TF-IDF）矩阵
`加入`	结合多个单词或袋式袋式型号

철자교정및편집거리

`矫正力`	正确拼写单词
`editdistance.`	查找两个字符串或文档之间的编辑距离
`EditDistanceSearcher.`	编辑距离最近邻南搜索者
`knnsearch.`	通过编辑距离查找最近的邻居
`rangesearch.`	通过编辑距离范围查找最近的邻居
`分裂emes.`	문자열을문자소로분할

문서조작및변환

`多犯`	문서의단어에함수적용
`加`	追加文件
`代替`	문서내부분문자열바꾸기
`regexprep.`	使用正则表达式替换文档的文字文本
`Doclencth.`	문서배열에포함된문서의이
`doc2cell.`	문서를字符串형벡터로벡터로구성셀형배열로변환
`ingwords.`	단어단어를결합하여하여문서문자열로문자열로
`细绳`	스칼라문서를字符串형벡터로변환