Mineração para links de texto

O nó de análise de link de texto (TLA) inclui tecnologia de correspondência de padrões à extração de conceito de mineração de texto para identificar relacionamentos entre os conceitos nos dados de texto com base em padrões conhecidos. Esses relacionamentos podem descrever como um cliente se sente em relação a um produto, quais empresas estão fazendo negócios juntas ou até mesmo os relacionamentos entre genes e agentes farmacêuticos.

Por exemplo, a extração do nome do produto do seu concorrente pode não ser interessante o suficiente para você. Usando esse nó, seria possível saber também como as pessoas se sentem em relação a esse produto, caso existam opiniões nos dados. Relacionamentos e associações são identificados e extraídos correspondendo padrões conhecidos com seus dados de texto.

É possível usar as regras de padrão TLA dentro de certos modelos de recursos enviados com a análise de texto ou criar/editar seus próprios. Regras de padrão são compostas por macros, listas de palavras e diferenças de palavras para formar um query booleano, ou regra, que seja comparado com seu texto de entrada. Sempre que uma regra de padrão TLA corresponde a texto, este texto pode ser extraído como um resultado de TLA e reestruturado como dados de saída.

O nó de análise de link de texto oferece uma maneira mais direta de identificar e extrair os resultados do padrão TLA de seu texto e, em seguida, incluir os resultados ao conjunto de dados no fluxo. Mas o nó Análise de Ligação de Texto não é a única maneira de executar uma análise de ligação de texto. Você também pode usar uma sessão do Workbench de Analítica de Texto no nó de modelagem de Mineração de Texto.

A saída pode ser representada em até seis slots ou partes.

Você pode encontrar este nó sob a seção de Analítica de Texto da paleta de nós.

Requisitos. O nó de Análise de Link de Texto aceita dados de texto lidos em um campo usando um nó Importação.

Fortes. O nó Análise de Ligação de Texto vai além da extração de conceitos básicos para fornecer informações sobre os relacionamentos entre conceitos, bem como opiniões relacionadas ou qualificadores que podem ser revelados nos dados.