文字探勘者的入門心法

我們都知道資料探勘是資料科學中的基礎科目，這個科目總讓大部分的人有個錯覺：以為學了這門課以後，就可以從雜亂、巨大的資料中抽取出有意義的知識。然而實際上，即使上完了資料探勘課卻仍然發現資料往往混亂、難以著手，無法真正從透過資料探勘技術得到有價值的知識。

為甚麼？大部份的資料探勘或機器學習方法其實都是利用數值資料，文字資料要分析、整理往往要經過許多前處理，才有可能挖掘文字中的深層知識，即使是同一批文字資料，透過不同處理方式能得到的資訊常常差異甚大。本課程的目的在引領資料工作者：分析、整理原始文字資料，針對文字、與待解問題的特性，找到適合的轉換方式，進而可以利用資料探勘技術，找出有價值的知識。

本課程由四個部分組成：

1. 文字探勘簡介
   這堂課在簡介機器學習、資料探勘、資料檢索、自然語言處理法、與文字探勘關聯，文字要怎麼整理？能怎麼整理？了解文字與問題的關係，才能事半功倍。


2. 文字特性
   在這堂課中，我們將簡介文字、與問題的特性，文句中的字詞間有怎樣的關係（如：替代、或連續關連），不同關係對應的文字處理方法會不一樣，在這堂課中除了介紹不同文字特性外，也會簡介自然語言處理中的相關文字處理技術。


3. 文字探勘技術簡介
   本堂課將簡介一些不常在其他資料探勘、或機器學習簡介的文字探勘技術、以及相關的文字探勘應用，包括：意見探勘 (Opinion Mining)、情緒探勘 (Sentiment Analysis) 、上下文文字探勘 (Contextual Text Mining)等。


4. 案例分享
   在這堂課中，我們會請學員們實際看文字片段，思考要怎樣從文字中找出鑽石出來，透過即時線上討論與分享後，講師將會針對學員問題即時提供意見、並分享他人經驗，讓學員們能實際體會文字探勘成功的訣竅。