文本分析工具箱
分析和建模文本数据
Text Analytics Toolbox™提供用于预处理，分析和建模文本数据的算法和可视化。使用工具箱创建的模型可用于语言分析，预测性维护和主题建模等应用程序。
Text Analytics工具箱包括从设备日志，新闻源，调查，运营商报告和社交媒体等源处理原始文本的工具。您可以从流行文件格式提取文本，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Word Embeddings，您可以找到来自高维文本数据集的群集并创建功能。使用Text Analytics Toolbox创建的功能可以与其他数据源的功能组合，以构建机器学习模型，以利用文本，数字和其他类型的数据。
开始：
提取文本数据
将文本数据导入MATLAB®从单个文件或大型文件集合，包括PDF，HTML和Microsoft®字®和Excel.®文件。
从Microsoft Word文档集合中提取文本。
单词云显示了使用字体大小和颜色的单词的相对频率。
清洁文本数据
应用高级过滤功能来删除无关内容，如url、HTML标记和标点，并纠正拼写错误。
简化原始文本(左)来处理最有意义的单词(右)。
向标记化的文档添加词性和句子细节。
识别并可视化模型中最常出现的单词。
字嵌入和编码
火车嵌入式型号，如Word2vec连续袋（CBOW）和跳过克模型。导入借用模型，包括FastText和手套。
使用Word Embedding在文本散点图中可视化群集。
主题建模
使用潜在Dirichlet分配(LDA)和潜在语义分析(LSA)等机器学习算法在大型文本数据集中发现并可视化潜在模式、趋势和复杂关系。
识别Storm报告数据中的主题。
文件摘要和关键字提取
从一个或多个文档自动提取摘要和相关关键字，并评估文档的相似性和重要性。
从文本中提取摘要。
识别预测积极和消极情绪的词汇。
文本分类
使用Word Embeddings对文本描述进行分类，可以通过深度学习识别文本类别。
训练一个深度神经网络来分类文本数据。
使用Jane Austen的文本生成《傲慢与偏见》和深度学习的LSTM网络。
关键字提取
使用RAKE和TextRank算法提取最能描述文档的关键字
看到发布说明有关这些功能的详细信息和相应的功能。
基于深度学习的情感分析
分析实时推特数据的情绪，了解一个给定术语是如何被理解的。
