Ich habe eine Reihe Dokumente (HTML-Dateien). Diese würde ich gerne durchsuchen.
Einfache Textsuche mit grep (bzw findstr bei Windows) bringt mich nicht viel weiter, deswegen würde ich gerne Wortgruppen suchen. Wortgruppen von drei Wörtern heißen Triplets. Häufige Triplets in einem Text zu untersuchen ist eine Methode des Text Minings, da durch sie auf die Bedeutung, bzw. den Kontext geschlossen werden kann. Z.b. "drei Meter groß" oder "Bundeskanzlerin Angela Merkel". Triplets sagen gleich mehr aus als einzelne Worte. Bei Triplets können die enthaltenen Wörter eine beliebige Reihenfolge haben. Das unterscheidet sie von einer einfachen Stringsuche.
Kennt jemand eine Möglichkeit Dokumente auf dieser Basis zu untersuchen? Ich kenne mich mit Text-Mining leider garnicht aus...
Einfache Textsuche mit grep (bzw findstr bei Windows) bringt mich nicht viel weiter, deswegen würde ich gerne Wortgruppen suchen. Wortgruppen von drei Wörtern heißen Triplets. Häufige Triplets in einem Text zu untersuchen ist eine Methode des Text Minings, da durch sie auf die Bedeutung, bzw. den Kontext geschlossen werden kann. Z.b. "drei Meter groß" oder "Bundeskanzlerin Angela Merkel". Triplets sagen gleich mehr aus als einzelne Worte. Bei Triplets können die enthaltenen Wörter eine beliebige Reihenfolge haben. Das unterscheidet sie von einer einfachen Stringsuche.
Kennt jemand eine Möglichkeit Dokumente auf dieser Basis zu untersuchen? Ich kenne mich mit Text-Mining leider garnicht aus...
