第71页 第3章 大数据挖掘 3.4 挖掘过程

简单来说，结构化数据就是能够用统一长度的字段来表示的数据，如数字和符号。非结构化数据需要用不同长短的字段来表示。非结构化数据来源与网站上个人发布的文字、社交网络中大量的聊天纪录、各种被复制、转发或者重新编辑的Flash动画、各种格式的视频和音频等。
语义网络（Semantic network）是很重要的工具，它通过一系列文本中的概念与概念的关系网络来发现最重要的概念。
文本挖掘过程实际上是将大量人类语言材料按照计算机语言能够理解的方式分解，再重新组合成具有特定意义的计算机语言，然后被人理解，从中发现新的知识或模式。
文本挖掘技术包括自动分类、文本相似性检索（自动排重）、自动摘要＋主题词标引（自由词＋行业主题词）、常识校对、相关短语检索、自然语言检索等。
WEB挖掘的研究分类包含以下三类：WEB内容挖掘、WEB结构挖掘和WEB使用模式挖掘。