https://www.toutiao.com/a6675257491040780804/

文本分析是指文本中抽取特征词进行量化以表示文本信息。

文本一般指文字。

它是自然语言处理的一个小分支，自然语言处理还包括语音识别（常见的）等。

目的：

先决条件：将无结构化的原始文本转化为结构化的，计算机可以识别和处理的信息。

优势特点：从而可以利用机器学习，分类聚类等算法，对文本进行分析处理。

关键环节：对文本进行抽象，建立数学模型，用来描述和代替文本。

应用场景：处理后的文本就是高度抽象和特征化的，可以实现广告推荐，舆情监测等。

关键技术：

1、用向量空间模型描述文本。将非结构化文本转化为结构化。

为什么不用词频统计和分词算法，是因为这两种方法得到的特征向量维度非常大，后期矢量处理开销非常大，不利于后期分类、聚类。

主流方法是用特征词来表示文本，特征词必须满足：能识别文本内容、去区分其它文本、个数不能太多、容易实现。

特征词选取后，必须有相应的权值表示不同的影响，最好对其进行排序。

2、特征词选取的四种方式：

用映射或者转换的方法将原始特征变为较少特征。

在原始特征中挑选出具有代表性的特征。

根据专家挑选最优影响力的特征。

利用数学模型，找出最具分类型的特征。这种方式最客观，最精确。

为了防止导出的Excel输入身份证变成科学计数法，我们需要在POI导出Excel中增加下列代码：

//创建workbook工作薄
			Workbook workbook = new XSSFWorkbook();
//创建工作表
			XSSFSheet Sheet = (XSSFSheet) workbook.createSheet();
// 创建单元格样式
			CellStyle style= workbook.createCellStyle();
// 设置为文本格式，防止身份证号变成科学计数法
			DataFormat format = workbook.createDataFormat();
			style.setDataFormat(format.getFormat("@"));
//对单独某一列进行样式赋值，第一个参数为列数，第二个参数为样式
			Sheet.setDefaultColumnStyle(0, style);

这是亲测后导出查看的单元格样式。

文本格式化标签

在网页中，有时候需要为文字设置粗体，斜体或下划线效果，这就需要HTML中文本格式化标签。
标签语义：突出重要性，比普通文字更重要！！

注：更加推荐使用前一种写法，语义更加强烈！！

现阶段（刚开始学）记住加粗和倾斜

< div >< /div >标签和< span >< /span >标签

< div >< /div >标签和< span >< /span >标签是没有语义的，只是一个盒子，用来装内容的，都是双标签

div是division的缩写，表示分割分区。
span意为跨度，跨距。

1. div标签
   特点：div用来布局，是独占一行的，一行只能放一个div，大盒子。
2. span标签
   特点：span是用来布局的，一行上可以放多个span，小盒子。