從資料庫裏的統計、分析、關連，可以找出原來設計上沒想到、或不需要的資訊與知識，稱之為資料開礦 (Data Mining)，為近年資訊技術上熱門領域，尤其是資料「礦」（庫）愈大，能挖掘出來寶藏愈多。資料庫是製作出來的，是結構化資料，但大多數的資料，像是我們寫的信函、製作的文件、收到的電子郵件、網上取下的網頁，都是非結構化的資料，這些資料多數是看過就丟，留下來也是隨便放個地方，但以後一旦要用，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。
這個 e 化的普遍問題，有許多軟體可以協助解決，像全文檢索、資料分類、搜尋引擎，都能幫忙找到所需要的文件，但文件的內容還要人來解讀，而文件與文件間在內容上的橫向連繫，這類系統多無此設計。
日前在德國漢諾威舉行的企業技術大展 CeBIT（共有 28 個館展出，參觀人數因 SARS 較去年下降一成七，但仍有 56 萬人），出現了一類自稱為文字開礦 (Text Mining) 的軟體，與資料開礦近似，用統計、分類的程序，把文件的內容分析，來交叉對照、超連結、自動摘要、語意分類。換言之，能協助大家從內容尋找相關的文件、然後整理出答案，好像把把非結構化的資料，用結構化資料來處理。這是一項層次頗高的資訊，現在也僅是開始，但可從下面系統的簡介，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、分析資料內容製戶摘要。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。另一個例子是一家大藥廠，使用 Timis 的用途是從競爭對手公開的文件、網頁裡，追蹤進展他們的情況。另外歐洲最大的雜誌出版社，也採用 Temis，來把文章依內容歸類，以備容易查找。
回覆郵件與監視對手
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，其中所用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，又能製作出答案，就不是單純的事。例如化工廠裏有許多專家學者，要找出有哪些人對釀造技術了解最多，通常僅能查人事資料的專長項目，人事資料沒能更新的釀造專家就查不到。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，所以想用 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，在把出版的零件目錄轉換成容易查詢的電子版本的時候，遇到困難，所以想用 Ontoprise 來找出零件之間的關連，用這些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。
|
