Die Text Analytics Toolbox umfasst Algorithmen und Visualisierungen zur Vorverarbeitung, Analyse und Modellierung von Textdaten. Mit der Toolbox erstellte Modelle können in Anwendungen wie Sentiment-Analyse, vorausschauender Instandhaltung und Themenmodellierung verwendet werden.
Die Text Analytics Toolbox beinhaltet Tools zur Verarbeitung von Rohtext aus Quellen wie Geräteprotokollen, Nachrichten-Feeds, Umfragen, Bedienerberichten und sozialen Medien. Sie können Text aus gängigen Dateiformaten extrahieren, Rohtext vorverarbeiten, Einzelwörter extrahieren, Text in numerische Darstellungen konvertieren und Statistikmodelle erstellen.
Mithilfe von Machine-Learning-Techniken wie LSA, LDA und Worteinbettungen lassen sich Cluster finden und Merkmale aus hochdimensionalen Textdatenmengen erarbeiten. Mit der Text Analytics Toolbox erstellte Merkmale können mit Merkmalen aus anderen Datenquellen kombiniert werden, um Machine-Learning-Modelle zu entwickeln, die von textbasierten, numerischen und anderen Arten von Daten profitieren.
Importieren und Visualisieren von Text
Importieren Sie Textdaten in MATLAB aus Einzeldateien oder großen Datei-Sammlungen, darunter PDF, HTML und Microsoft® Word. Erkunden Sie Textdatenmengen auf visuelle Weise mithilfe von Schlagwort- oder Punktwolken.
Bereinigen und Vorverarbeiten von Text
Wenden Sie allgemeine Filterfunktionen an, um irrelevante Inhalte wie URLs, HTML-Tags und Satzzeichen zu entfernen. Korrigieren Sie die Rechtschreibung, filtern Sie nach Stoppwörtern und normalisieren Sie Wörter in die nicht flektierte Form.
Konvertieren von Text in ein strukturiertes Format
Extrahieren Sie linguistische Merkmale mithilfe eines Tokenisierungsalgorithmus, berechnen Sie die Worthäufigkeitsstatistik, um Textdaten numerisch darzustellen, und trainieren Sie Worteinbettungsmodelle wie word2vec und skip-gram.
Anwenden von KI auf Textanalysen
Passen Sie ein Machine-Learning- oder Deep-Learning-Modell wie LSA, LDA und LSTM an Textdaten an. Setzen Sie Transformer-Modelle wie BERT, FinBERT und GPT-2 ein, um Transfer Learning mit Textdaten durchzuführen.
Große Sprachmodelle (LLM)
Verbinden von MATLAB mit der Chat Completions-API von OpenAI™ Setzen Sie die Funktionen von GPT-Modellen in Ihrer MATLAB Umgebung zur Verarbeitung natürlicher Sprache bei Aufgaben wie Textzusammenfassung und Chats ein.
Textanalysen für Ingenieure
Entwickeln Sie Pläne für die vorausschauende Instandhaltung auf Basis von Sensoren und Textprotokolldaten. Automatisieren Sie die Formalisierung von Anforderungen und die Überprüfung ihrer Einhaltung.
Dokumentenanalyse
Analysieren Sie Text mit Themenmodellierung, um zugrunde liegende Muster, Trends und komplexe Beziehungen zu entdecken und zu visualisieren. Fassen Sie Dokumente zusammen, extrahieren Sie Schlüsselwörter und bewerten Sie Wichtigkeit und Ähnlichkeit von Dokumenten.
Sentiment-Analyse
Ermitteln Sie die in Textdaten ausgedrückten Haltungen und Meinungen, um Aussagen als positiv, neutral oder negativ zu kategorisieren. Erstellen Sie Modelle, mit denen Sie eine Stimmung in Echtzeit vorhersagen können.
Textgenerierung und -klassifizierung
Nutzen Sie Deep Learning, um neuen Text auf Basis von beobachtetem Text zu generieren und um Textbeschreibungen mit Worteinbettungen zu klassifizieren, die Kategorien identifizieren können.
Produktressourcen:
Text Analytics Toolbox – Häufig gestellte Fragen
Die Text Analytics Toolbox stellt Algorithmen und Visualisierungen für die Vorverarbeitung, Analyse und Modellierung von Textdaten in MATLAB bereit.
Sie können Text aus PDF-, HTML-, Microsoft Word-, Microsoft Excel- und CSV-Dateien extrahieren.
Die Toolbox bietet umfassende Filterfunktionen zum Entfernen von URLs, HTML-Tags und Satzzeichen sowie Rechtschreibkorrektur, Stoppwortfilterung und Wortnormalisierung auf die Stammform.
Die Toolbox umfasst LSA, LDA, Word Embeddings (Word2vec und Skip-gram) und unterstützt Deep-Learning-Modelle wie LSTM sowie Transformer-Modelle wie BERT, FinBERT und GPT-2.
Ja, mit der Text Analytics Toolbox erstellte Merkmale können mit Merkmalen aus numerischen, Audio- und anderen Datenquellen kombiniert werden, um umfassende Machine-Learning-Modelle zu erstellen.
Typische Anwendungen sind Sentimentanalyse, Predictive Maintenance, Themenmodellierung, Dokumentenklassifizierung, Textzusammenfassung und Keyword-Extraktion.
Die Toolbox bietet Wordclouds zur Darstellung der Wortfrequenz und Text-Scatter-Plots, um Beziehungen zwischen Wörtern zu erkunden und Word Embeddings zu visualisieren.
Ja. Sie können MATLAB mit der OpenAI Chat Completions API verbinden, um GPT-Modelle für Aufgaben wie Textzusammenfassung und Chatten zu nutzen.
Text Analytics Toolbox kostenlos ausprobieren
Entdecken Sie noch heute die Möglichkeiten.
Bereit zum Kauf?
Angebot anfordern und Erweiterungsprodukte entdecken.
Studieren Sie?
Ihre Hochschule bietet möglicherweise bereits Zugang zu MATLAB, Simulink und Add-on-Produkten über eine Campus-Wide License.
