在数据挖掘软件中有五大开源软件，个中weka在海内的利用率较高，而rapidminer却较少看到。就连进修资料也少之又少，只在youtube上能看到一些解说视频。以下的内容就是照葫芦画瓢弄出来的。
文本挖掘（text mining）有时也被称为文字探勘、文本数据挖掘等，大抵相当于文字阐明，一般指文本处理惩罚进程中发生高质量的信息。高质量的信息凡是通过度类和预测来发生，如模式识别。
文本挖掘凡是要将文本举办断字预处理惩罚，然后操作空间向量模子将文本转换为数值数据，让进修器举办进修。中文的文本挖掘天生就较量悲凉，因为中文不象英文那样天然断字。并且中文语料库很少有免费的，要本身去处理惩罚语料那真是工程量浩荡。因此只有转而求其次，操作网上已有的英文免费文本库中的新闻稿件举办文本挖掘尝试。算是做一个rapidminer的操练。
此次任务是对从两种新闻来历中抽取文本，阐明其特征词汇，成立分类模子，然后按照模子来检测分类的结果。
首先打开rapidminer，新建一个流程。从左侧opertors里找出process Document拖入主窗口，在右侧参数栏text directories中写入文本储存路径和种别。双击进入子流程，再从opertors里找出断词算子（Tokenize）以及各过滤算子举办子流程毗连。
举办下一步数据处理惩罚，去除缺失值并指定方针变量，最后要害是将validation算子拖入主窗口，以举办建模和评价进程。双击举办validation子流程，左边框是举办模子练习，这里选用K近邻要领，右边框是模子评价，拖入apply model和performance算子。
点击运行按钮，然后就可以看到功效。分类精确率为95.5%，照旧相当不错的。
