電腦用的越多，產生的資料越龐大，除了費力製成的資料庫以外，都是雜亂無章的存放（不信檢查一下你的電腦），時髦的話稱為「非結構化」(Unstructured) 資料，寫的信函、製作的文件、收到的電子郵件、網上取下的網頁，累積越來越多，也許用過就丟，留下來的也是隨便放個地方，以後一旦要用，要找回那一篇文稿、郵件、網頁，就倍感困難，許多人感嘆電子處理沒有紙張方便。
這些非結構化的資料，如果有方法將之統計、分析、關連，找出可用的資訊，甚至有意想不到的發現，不但是「廢物利用」，而且是「化腐朽為神奇」，那該有多好？現在雖有許多軟體可以用來協助，像全文檢索、資料分類、搜尋引擎，唯僅能幫忙找到所需要的文件，但文件的內容還要人來解讀，因為系統並沒有文件間在內容上的橫向連繫。但別忙，一種稱之為資料開礦 (Data Mining)，特別是其中的「文字開礦」(Text Mining) 技術，確能對非結構性的資料分析內容，藉交叉對照、語意分類，從文字內容尋找相關文件，然後整理出答案。這是層次頗高的資訊技術，現在也僅是開始，但不難從下面的簡介，看出端倪。
從草堆裏找一根針
法國的Temis（取 Text Mining System 的簡稱）系統，可從龐大的文件堆裏，挑選出來所要的資料，系統一共分成四部份：從文件堆裏選取資料、依事先訂定的規則分類、依需要臨時組合資料內容、分析資料內容製摘要。當然，要系統運作順暢並不容易，事先要架設環境，為了使用簡易，Temis 預製了技術卡（僅是軟體、並非真卡），每種卡針對一種行業，其中用詞與規則都是與行業相關的，減少使用人安裝系統的負荷。
Temis 用在那些地方？實例之一是歐洲一家大銀行，用在人力資源上，因為來申請工作的人太多，Temis 可以協助把申請人的覆歷內容儲存、以供以後查詢。另一個是一家大藥廠，使用 Temis 的用途是從競爭對手公開的文件、網頁裡，追蹤他們的進展情況。另外歐洲一家大雜誌出版社，採用 Temis，來把文章依內容歸類，為的是以後查找容易。
回覆郵件、監視對手
德國的 XtraMind 做的事與 Temis 類似，但從辦公室系統著眼，先自動回覆電子郵件。鑑於企業回覆電子郵件的人力激增，自動化確有必要，這個系統先把進來的郵件依事先訂定的規則分類，然後製作標準回函，再用人力來少許修正後寄出，對企業的例行回函減化了不少。
XtraMind 另外可用網路機器人（與搜尋引擎用的類似），爬行企業競爭對手的網站，從網上取回資料，經過分析，以郵件寄給特定的人，而且每人僅收到與他業務相關的資訊。
這個軟體用語言分析與統計兩種工具，製成許多程式模組，每一模組做固定的事情，包括把文件整合、摘要製作、依不同設定擷取資料（如日期、名稱、地域、公司）、企業經營法則、與機器自己學習，其中含混邏輯等人工智慧也用的不少。這都說明了文字開礦是資訊技術深層的運用。
把內容連在一起
把相關文件連在一起不難，但把相關文件的內容連在一起，又能製作出有用的答案，就不是單純的事了。化工廠裏有許多專家學者，如要找出有哪些人對一種特定的釀造技術了解最多，通常僅能查人事資料的專長項目，人事資料不更新就查不到。但有一個更好的辦法，就是從每人的郵件中尋找，如果有人在郵件中時常提起釀造技術，這個人即使不是專家，起碼也知道一些這方面的知識。德國的 Ontoprise 正做這件事。
Ontoprise 用的是 Ontology（存在學）的人工智慧理念，聽起來有些抽象，但頗為靈活。例如你是一篇文章的作者，那麼你對文章的內容，也應該是專家（假如文章不是抄的），這種就是「存在」的關連，Ontoprise 把它用到郵件與 Office 文件的關連上。
使用這種內容關連的例子，有一家德國旅遊網站，上網的遊客很多，但僅有 1% 的人在網上訂位，所以用 Ontoprise 的關連技術，加強網站內容，讓網站不用真人回答，遊客也能獲得滿意的答案而訂位。另一家 Ontoprise 用戶，是一家汽車零件製造廠，在把零件目錄的印刷版轉換成可查詢的電子版本的時候，遇到困難，所以用 Ontoprise 來找出零件之間的關連，用這些關連資訊做為電子版的基礎。
文字計量
前面幾種軟體，都用到了複雜的文字語意處理邏輯，功能雖強，但系統建構複雜，使用需要學習，所以就出現了另一種簡便的方式，純以文字出現的統計次數，作為處理的基礎，Autonomy 就是這樣的軟體。系統安裝之後，使用人先訓練軟體 Agent 來搜尋特定種類的文件，成熟之後再多加幾種別類的文件。
Autonomy 的使用範圍有人力資源、搜尋履歷表，也可以用在客戶關係管理上、搜尋客戶來函，製藥公司更用它來搜尋眾多藥品發展的文獻與研究報告。這個軟體固然有使用簡單的優勢，但沒法關連文件的內容，在許多領域上這成為缺點。
從上面幾個實例，可以看到我們每天丟棄大批資料的同時，也丟棄了蘊藏在裡面的寶藏，藉著資訊技術的發展，逐漸的會把寶藏保存下來。上面的實例，也展示了歐洲資訊技術基礎的踏實，資料雖儲存在電腦，原本是給人看的，這些軟體卻深入探索資料的語意 (Semantics) ，讓電腦了解資料的含意，替代了部分人力的解譯，可以說是真的「高」科技。
|
