مطالعه جدید نشان می دهد که چگونه متن کاوی و NLP صنایع حقوقی، تجارت الکترونیک و ساختمان را تغییر می دهند.

جدول پیوندها

1. چکیده و مقدمه

2. دامنه و وظیفه

   2.1. منابع داده و پیچیدگی

   2.2. تعریف وظیفه

3. کار مرتبط

   3.1. بررسی اجمالی تحقیق متن کاوی و NLP

   3.2. متن کاوی و NLP در استفاده در صنعت

   3.3. متن کاوی و NLP برای تهیه

   3.4. نتیجه گیری از بررسی ادبیات

4. روش پیشنهادی

   4.1. دانش دامنه

   4.2. استخراج محتوا

   4.3. منطقه بندی لات

   4.4. تشخیص آیتم لات

   4.5. تجزیه فراوان

   4.6. تجزیه XML، پیوستن به داده ها، و توسعه شاخص های ریسک

5. آزمایش و نمایش

   5.1. ارزیابی مولفه

   5.2. نمایش سیستم

6. بحث

   6.1. تمرکز “صنعت” پروژه

   6.2. ناهمگونی داده ها، ماهیت چند زبانه و چند وظیفه ای

   6.3. معضل انتخاب های الگوریتمی

   6.4. هزینه داده های آموزشی

7. نتیجه گیری، قدردانی و مراجع

3.2. متن کاوی و NLP در استفاده در صنعت

متن کاوی و NLP در حال حاضر کاربرد گسترده ای در تعدادی از زمینه های صنعتی دارند. در اینجا، به دلیل فضای محدود، ما فقط به چند دامنه به طور خلاصه نگاه می کنیم و به جای کارهای با هدف کلی مانند ساختن مجموعه های دامنه یا مدل های زبان، یا تحقیقات بنیادی NLP که با داده های خاص دامنه سازگار شده است، فقط بر روی کار برای کاربردهای واقعی تمرکز می کنیم.

در حوزه قانونی، ژونگ و همکاران (2020) سه حوزه کاربردی اصلی را خلاصه کرد: پیش بینی تصمیم قضایی، مشابه…