بررسی مدل های متن کاوی جهت شناسایی بازار

دانش در مورد داده ها و یا استخراج متن از مهمترین مسایل امروزه به دلیل افزایش پایگاه داده است, داده کاوی یا کشف دانش، روش مناسبی برای داده های ذخیره شده به شیوه ای سازمان یافته است. اغلب داده ها به خوبی سازمان یافته نشده است و هنوز هم حاوی مقدار زیادی از اطلاعات پنهان است بنابراین استخراج متن مستلزم تجزیه و تحلیل خودکار مجموعه متون و اسناد و کشف اطلاعاتی که قبلا پنهان بوده اند، است. تکنیک های استخراج متن شامل طبقه بندی متن، خلاصه سازی، تشخیص موضوع، استخراج مفهوم، جستجو و بازیابی، خوشه بندی سند، و غیره است که هر کدام از این تکنیک ها می تواند در پیدا کردن برخی از اطلاعات مبهم از مجموعه ای از اسناد مورد استفاده قرار گیرد. استخراج متن همچنین می تواند در تشخیص موضوع اصلی در طبقه بندی مفید باشد. برنامه های کاربردی برای استخراج متون در زمینه های مختلف شامل چاپ و نشر، رسانه ها، ارتباطات راه دور، بازاریابی، تحقیق، بهداشت و درمان، پزشکی، و غیره بکار گرفته می شوند و استخراج متن نیز در بسیاری از برنامه های کاربردی در شبکه جهانی وب برای توسعه سیستم ها توصیه می شود. در این پژوهش به شرح بررسی سیستماتیک استخراج متن برای پیش بینی بازار، استخراج متن تیتر های خبری برای پیش بینی بازار FOREX که یک الگوریتم کاهش چند بعدی با معانی و اهداف است، می پردازیم.

کلیدواژه ها:

متن کاوی ، تحلیل اخبار ، پیش بینی بازار ، Hypernym ، پیش بینی بازار