教你如何成爲數據科學家（五）

第五部分，是比較專業的文字處理和自然語言處理，這2個方向也是今後的熱點所在。

文字處理方面的前景是主題詞提取，以及自動文章生成，可瞭解一下業內有幾家創業公司被收購，就是依賴準確的主題分析和個性推薦，另外還有根據材料自動編寫報道文章。

自然語言處理也是非常熱門的方向，最直觀就是siri 的成功，雖然離完全智能還差一點，但是對基本對話的理解準確率已經達到了可正常使用的地步。

• Text Mining / Natural Language Processing

1. Corpus                                                           語料庫
2. Named Entity Recognition                              命名實體識別
3. Text Analysis                                                 文本分析
4. UIMA                                                              Unstructured Information Management Architecture非結構化信息管理架構
5. Term Document Matrix                                   術語文檔矩陣
6. Term Frequency & Weight                             術語頻率和權重
7. Support Vector Machines                               支持向量機
8. Association Rules                                           關聯規則
9. Market Based Analysis ( Market Basket Analysis ? )          基於市場分析（這裏懷疑原作者有筆誤）
10. Feature Extraction                                          特徵提取
11. Using Mahout                                                 使用Mahout（開源機器學習算法分佈式框架）
12. Using Weka                                                    使用WaikatoEnvironmentforKnowledgeAnalysis（開源的數據分析軟件）
13. Using Natural Language Toolkit (NLTK)         使用自然語言工具箱
14. Classify Text ( Document Classification? )      分類文本
15. Vocabulary Mapping                                        詞彙映射