文本挖掘 （Text mining）有时也被称为文字探勘 、文本数据挖掘 等，大致相当于文字分析 ，一般指文本处理过程中产生高质量的信息 。高质量的信息通常通过分类和预测来产生，如模式识别 。文本挖掘通常涉及输入文本的处理过程（通常进行分析，同时加上一些衍生语言特征以及消除杂音，随后插入到数据库 中） ，产生结构化数据 ，并最终评价和解释输出。'高品质'的文本挖掘通常是指某种组合的相关性 ，新颖性和趣味性。典型的文本挖掘方法包括文本分类 ，文本聚类 ，概念/实体挖掘，生产精确分类，观点分析 ，文档摘要 和实体关系模型（即，学习已命名实体 之间的关系） 。文本分析包括了信息检索与词典分析来研究词语的频数分布、模式识别、标签\注释、信息抽取，数据挖掘技术包括链接和关联分析、可视化和预测分析。本质上，首要的任务是，通过自然语言处理（NLP）和分析方法，将文本转化为数据进行分析。
文本分析 这一术语描述了一套语言学 、统计学 和机器学习 技术，其对文本来源的内容信息进行建模和结构化，用于商业智能 、探索性数据分析 研究 或调查。[ 1] [ 2] [ 3] [ 4]
文本分析这一术语也描述了文本分析对商业问题的应用，无论是独立的还是与现场数字数据的查询和分析相结合的。不言而喻的，80%的商业相关信息是以非结构化 [ 5] 商业规则
劳工密集型的人工纯文字挖掘方法最早出现在20世纪80年代中期，但在过去的十年中，技术的进步已经使这一领域迅速取得进展。文本挖掘已经是信息检索 、数据挖掘 、机器学习 、统计 以及计算语言学 等学科 中的重要领域。由于目前的大多数信息（80％）是以文本的形式来保存，文本挖掘被认为具有较高的商业潜在价值。
多语种数据挖掘已经越来越多的引起人们的兴趣：能够根据自己的意愿从跨语种的文字来源中挖掘出有用的信息。
现在，文本挖掘技术被广泛地应用于各种政府、研究和商业需求。所有这些群体都可能将文本挖掘用于管理记录和搜索与他们日常活动相关的文件。例如，法律专业人士可将文本挖掘用于电子取证 国家安全 和情报目的。科学研究人员将文本挖掘方法纳入组织大量文本数据（即解决非结构化数据 社交媒体 的情感分析 [ 6] [ 7] [ 8] 生命科学 和生物信息学 等领域的科学发现 竞争情报 和自动广告投放
许多文本挖掘的软件包是为安全应用的。它们多数是出于国家安全 的目的，监控和分析类似于互联网新闻 博客 等的在线纯文本。[ 9] 加密和解密 的领域也需要研究文本挖掘。
包括IBM 和微软 在内的大公司也在研究和开发文本挖掘方法和软件，以进一步实现文本挖掘和分析过程的自动化；而搜索和索引领域的一些公司也在研究和开发文本挖掘方法和软件，以改善其结果。在公共部门内，许多努力集中在开发跟踪和监测恐怖活动 的软件上。[ 10] NLTK Gensim
大型媒体公司，如Tribune Media，正在使用文本挖掘来澄清信息，为读者提供更好的搜索体验，这反过来又增加了网站的 "粘性 "和收入。此外，在后端，编辑们也正在受益，因为他们能够分享、关联和包装新闻，大大增加了内容赚钱的机会。
文本分析正在被应用于商业领域，特别是营销领域，如客户关系管理 。[ 11] [ 12] [ 13] 客户流失 预测分析 模型。[ 12] [ 14]
情感分析 可能涉及对电影评论的分析，以估计评论对电影的好感程度。[ 15] 情感性 进行标记。WordNet [ 16] ConceptNet [ 17]
在情感计算的相关领域，文本已经被用来检测情感。[ 18] [ 19]
用来文本挖掘的计算机程序可从许多商业 和开放源代码 公司和来源获得。
Weka工具 http://www.cs.waikato.ac.nz/ml/weka/ （页面存档备份 ，存于互联网档案馆 ）
直到最近，网站最常使用的是基于文本的搜索，它只能找到包含用户给定的特定单词或短语的文件。现在，通过使用语义网 ，文本挖掘可以根据意义和上下文（而不仅仅是某个特定的词）来寻找内容。此外，文本挖掘软件可以被用来建立有关特定人物和事件的大型信息档案。例如，可以根据从新闻报道中提取的数据建立大型数据集，以促进社会网络分析或反情报工作 。实际上，文本挖掘软件的作用类似于情报分析员 或研究图书管理员，尽管分析的范围更有限。文本挖掘也被用于一些电子邮件的垃圾邮件过滤器 ，作为确定可能为广告或其他不需要的材料的信息的一种方式。文本挖掘在确定金融市场情绪
Ronen Feldman and James Sanger, The Text Mining Handbook , Cambridge University Press, ISBN 9780521836579
Kao Anne, Poteet, Steve R. (Editors), Natural Language Processing and Text Mining, Springer, ISBN 184628175X
Konchady Manu "Text Mining Application Programming (Programming Series)" by Manu Konchady, Charles River Media, ISBN 1584504609
M. Ikonomakis, S. Kotsiantis, V. Tampakas, Text Classification Using Machine Learning Techniques, WSEAS Transactions on Computers, Issue 8, Volume 4, August 2005, pp. 966-974 (https://web.archive.org/web/20081203004649/http://www.math.upatras.gr/~esdlab/en/members/kotsiantis/Text%20Classification%20final%20journal.pdf )
^ Business Technology News and Commentary . InformationWeek. [2022-08-22 ] （英语） . ^ KDD-2000 Workshop on Text Mining – Call for Papers . Cs.cmu.edu. [2015-02-23 ] . （原始内容存档 于2022-07-13）. ^ [1] 互联网档案馆 的存檔 ，存档日期March 3, 2012，.^ Hobbs, Jerry R.; Walker, Donald E.; Amsler, Robert A. Natural language access to structured text . Proceedings of the 9th conference on Computational linguistics 1 . 1982: 127–32. S2CID 6433117 doi:10.3115/991813.991833 ^ Unstructured Data and the 80 Percent Rule . Breakthrough Analysis. August 2008 [2015-02-23 ] . （原始内容存档 于2014-09-12）. ^ Pang, Bo; Lee, Lillian. Opinion Mining and Sentiment Analysis. Foundations and Trends in Information Retrieval. 2008, 2 (1–2): 1–135. CiteSeerX 10.1.1.147.2755 ISSN 1554-0669 doi:10.1561/1500000011 ^ Paltoglou, Georgios; Thelwall, Mike. Twitter, MySpace, Digg: Unsupervised Sentiment Analysis in Social Media . ACM Transactions on Intelligent Systems and Technology. 2012-09-01, 3 (4): 66. ISSN 2157-6904 S2CID 16600444 doi:10.1145/2337542.2337551 ^ Sentiment Analysis in Twitter < SemEval-2017 Task 4 . alt.qcri.org. [2018-10-02 ] . （原始内容存档 于2019-03-24）. ^ Zanasi, Alessandro. Proceedings of the International Workshop on Computational Intelligence in Security for Information Systems CISIS'08. Advances in Soft Computing 53 : 53. 2009. ISBN 978-3-540-88180-3doi:10.1007/978-3-540-88181-0_7 ^ [2] 互联网档案馆 的存檔 ，存档日期October 4, 2013，.^ Text Analytics . Medallia. [2015-02-23 ] . （原始内容存档 于2017-11-08）. ^ 12.0 12.1 Coussement, Kristof; Van Den Poel, Dirk. Integrating the voice of customers through call center emails into a decision support system for churn prediction . Information & Management. 2008, 45 (3): 164–74 [2022-08-22 ] . CiteSeerX 10.1.1.113.3238 doi:10.1016/j.im.2008.01.005 存档 于2019-12-15）. ^ Coussement, Kristof; Van Den Poel, Dirk. Improving customer complaint management by automatic email classification using linguistic style features as predictors . Decision Support Systems. 2008, 44 (4): 870–82. doi:10.1016/j.dss.2007.10.010 ^ Ramiro H. Gálvez; Agustín Gravano. Assessing the usefulness of online message board mining in automatic stock prediction systems. Journal of Computational Science. 2017, 19 : 1877–7503. doi:10.1016/j.jocs.2017.01.001 ^ Pang, Bo; Lee, Lillian; Vaithyanathan, Shivakumar. Thumbs up?. Proceedings of the ACL-02 conference on Empirical methods in natural language processing 10 . 2002: 79–86. S2CID 7105713 doi:10.3115/1118693.1118704 ^ Alessandro Valitutti; Carlo Strapparava; Oliviero Stock. Developing Affective Lexical Resources (PDF) . PsychNology Journal. 2005, 2 (1): 61–83 [2008-09-27 ] . （原始内容存档 (PDF) 于2018-09-20）. ^ Erik Cambria; Robert Speer; Catherine Havasi; Amir Hussain. SenticNet: a Publicly Available Semantic Resource for Opinion Mining (PDF) . Proceedings of AAAI CSK: 14–18. 2010 [2022-08-22 ] . （原始内容存档 (PDF) 于2019-03-29）. ^ Calvo, Rafael A; d'Mello, Sidney. Affect Detection: An Interdisciplinary Review of Models, Methods, and Their Applications . IEEE Transactions on Affective Computing. 2010, 1 (1): 18–37. S2CID 753606 doi:10.1109/T-AFFC.2010.1 ^ (2023) A Study on Public Perceptions of Carbon Neutrality in China: has the Idea of ESG Been Encompassed? Front. Environ. Sci. 10:949959. doi: 10.3389/fenvs.2022.949959
