当您阅读这篇文章的标题时，您一定想知道当我说“那太恶心了！”时我在说什么。 内容 是好是坏？ 文本挖掘引擎 如果我只是目睹了一场如此令人发指的车祸，以至于让我感到胃部不适，那是有道理的。然而，如果我只是看到西德尼·克罗斯比在 2014 年索契冬奥会上打进了金牌比赛的制胜球，那也是有道理的。语言学的难点在于同一个词可以有多种含义。 图像当您阅读这篇文章的标题时，您一定想知道当我说“那太恶心了！”时我在说什么。 如果我只是目睹了一场如此令人发指的车祸，以至于让我感到胃部不适，那是有道理的。然而，如果我只是看到西德尼·克罗斯比 在 2014 年索契冬奥会上打进了金牌比赛的制胜球，那也是有道理的。语言学的难点在于同一个词可以有多种含义。

更多阅读 商业智能

的分层导航 分层导航改进商业智能策略的 5 种方式 使用预测分析在亚马逊上获得最佳交易 CASB 帮助基于云的企业避免数据泄露 数据货币化正在改变信息技术就业市场的 7 种方式 人工智能正在永远改变汽车行业 在英语中， 牛津词典对“生病”一词的定义 如下：“受身体或精神疾病影响”。你在牛津词典中 Whatsapp 手机号码列表 找不到的是“生病”的俚语意思， 城市词典 将其定义为：“疯狂的；疯狂的”。凉爽的; 疯狂的”。 是好是坏？ 机器如何解读我们谈论的是“好病”还是“坏病”？ 让我们退后一步，人类如何分辨我们在谈论的是哪种“病”？人们可以从以下方面获得帮助：肢体语言、交流者的语气、眼神交流、面部表情，以及服装、发型和位置等文化符号。 文本挖掘等自然语言处理技术不能使用上述通信方式。

这是不可能的然而大约

图像识别和情感分析变得更加先进时，我们可能会开始从肢体语言和语调中获得线索。 文本挖掘必须依靠对句子的上下文理解来区分同一个词的两种含义。 文本挖掘引擎 “生病”周围的词以及这些词的顺序归因于对句子的上下文理解。让我们看几个例子： 示例 “看着那场车祸让我感到恶心” 文本挖掘 GI列表 引擎知道，当“feel”这个词放在“sick”之前时，“sick”被标记为负面情绪。引擎知道感觉不舒服是不好的。 示例 2 – “哇，克罗斯比的进球太棒文本挖掘引擎会知道“目标”不能根据定义“生病”。目标不是生物，它不会受到疾病例如，大数据可用于减少您的能源费用。通过结合来自 50 个不同来源的数据，包括电价、天气数据和建筑物的能源消耗，旧金山的两家洲际酒店成功地将能源成本降低了 10-15%。他们为他们的建筑物创建了详细的能源配置文件，并使用预测算法来决定是使用现场电池模块还是从电网接收电力。