Text Analytics Toolbox 提供多种算法和可视化，可用于文本数据的预处理、分析和建模。使用该工具箱创建的模型可用于情感分析、预测性维护和主题建模等应用。
Text Analytics Toolbox 中的工具可用于处理不同来源（例如设备日志、新闻提要、调查、操作员报告和社交媒体）的原始文本。您可以从常用文件格式中提取文本、预处理原始文本、提取单个单词、将文本转换为数字表示以及构建统计模型。
借助 LSA、LDA 和词嵌入等机器学习方法，您可以在高维文本数据集中查找簇并由此创建特征。您可以将使用 Text Analytics Toolbox 创建的特征与来自其他数据源的特征相结合，以构建综合运用文本、数字和其他类型数据的机器学习模型。
开始:
提取文本数据
将文本数据从单个文件或大量文件中导入 MATLAB，包括 PDF、HTML、Microsoft® Word® 及 Excel® 文件。
从 Microsoft Word 文档集合中提取文本。
词云通过字体大小和颜色显示单词的相对频率。
清理文本数据
应用高级过滤函数删除无关内容，例如 URL、HTML 标记和标点符号，并纠正拼写。
使用“预处理文本数据”实时编辑器任务准备文本数据进行分析。
提取语言特征
使用标记化 (tokenization) 算法，自动将原始文本拆分为单词集合。添加句子边界、词性详情和其他相关信息以提供上下文。
在标记化文档中添加词性和句子细节。
识别并可视化模型中最常出现的单词。
词嵌入和编码
训练词嵌入模型，如 word2vec 连续词袋 (CBOW) 模型和 skip-gram 模型。导入预训练模型，包括 fastText 和 GloVe。
使用文本散点图可视化通过词嵌入找出的簇。
主题建模
使用隐含狄利克雷分布 (LDA) 和隐含语义分析 (LSA) 等机器学习算法，发现并可视化大型文本数据集中的底层模式、趋势和复杂关系。
识别风暴天气报告数据中的主题。
文档摘要和关键字提取
自动从一个或多个文档中提取摘要和相关关键字，并评估文档的相似度和重要性。
从文本中提取摘要。
识别可以预测正面和负面情感的词语。
变换器模型
使用 BERT, FinBERT, 和 GPT-2 等变换器模型执行文本数据迁移学习，以用于情感分析、分类和摘要等任务。
用于文本数据迁移学习的变换器模型。
训练深度神经网络对文本数据进行分类。
使用简奥斯汀的《傲慢与偏见》 和深度学习 LSTM 网络生成文本。
产品资源:
下一步是什么？
您也可以从以下列表中选择网站：
美洲
- América Latina (Español)
- Canada (English)
- United States (English)
欧洲
- Belgium (English)
- Denmark (English)
- Deutschland (Deutsch)
- España (Español)
- Finland (English)
- France (Français)
- Ireland (English)
- Italia (Italiano)
- Luxembourg (English)
- Netherlands (English)
- Norway (English)
- Österreich (Deutsch)
- Portugal (English)
- Sweden (English)
- Switzerland
- United Kingdom (English)
亚太
- Australia (English)
- India (English)
- New Zealand (English)
- 中国
- 日本Japanese (日本語)
- 한국Korean (한국어)