Definice
Text mining převádí nestrukturovaný text — reklamace, poznámky servisu, otevřené odpovědi v dotaznících, zprávy — na strukturovaná data, se kterými umí pracovat statistika. Dokumenty se rozloží na slova a slovní kmeny, spočítají se četnosti a vážené matice (TF-IDF) a nad nimi běží shlukování, klasifikace nebo hledání témat.
Data mining a strojové učení
Typické úlohy: automatické třídění reklamací podle příčiny, hledání opakujících se problémů v servisních záznamech, analýza sentimentu zákaznických hodnocení nebo propojení textu s numerickými daty (kolik stojí vady popsané určitými slovy).
Klíčová je předúprava: stop-slova, lemmatizace či stemming, synonyma a oborový slovník. Výstupní matici dokument × slovo obvykle redukujete singulárním rozkladem (SVD) a teprve pak modelujete — jinak tisíce sloupců zahltí i robustní metody.
V Statistice
Modul Text Mining v nabídce Data Mining načte dokumenty ze souborů, databází či webu, provede stemming pro řadu jazyků, sestaví matici četností s TF-IDF vážením, redukuje ji pomocí SVD a předá výsledky shlukování, stromům nebo neuronovým sítím v prostředí Workspace; frekvence slov a koncepty zobrazí v interaktivních grafech.
Související pojmy
- Shluková analýzaShluková analýza rozděluje pozorování do skupin (shluků) tak, aby si jednotky uvnitř shluku byly co nejpodobnější a…
- Analýza hlavních komponent (PCA)Analýza hlavních komponent (PCA) zhušťuje mnoho korelovaných proměnných do několika nových nekorelovaných komponent…
- Rozhodovací stromyRozhodovací strom rozděluje data posloupností jednoduchých pravidel („věk > 45 a příjem < 30 tisíc“) do stále…
- Chybějící hodnotyChybějící hodnoty jsou prázdná místa v datech — nezměřený vzorek, nevyplněná otázka, výpadek senzoru.
Návody v knowledgebase
Časté otázky
- Zvládne text mining češtinu?
- Ano — základem je stemming a vlastní slovník stop-slov; u odborných textů se vyplatí doplnit synonyma a zkratky z vašeho oboru.
- Kolik dokumentů je potřeba?
- Pro popisnou analýzu stačí stovky, pro spolehlivou klasifikaci tisíce označených dokumentů.
Vyzkoušejte to na vlastních datech
Statistica na 30 dní zdarma
Plná verze bez platební karty, kompletně v češtině. Nebo si nechte poslat orientační cenu za minutu.
Data mining a strojové učení
Aktualizováno: září 2026.