■作為顧客意見分析方法的一種，關注度上升
文本挖掘是分析像文章這樣的定性數據的技術。因為能對定量數據分析無法徹底把握的顧客意見進行有效梳理而受到關注，如第六章中所介紹的對話分析和錄音分析在
呼叫中心已開始得到活用。在實際分析中,首先要制作性別、年齡、地域等屬性和數值的數據,然后再結合進行定性數據的文本挖掘，從而得到高利用價值的知識。
■支持文本挖掘基礎的技術：形態要素解析
形態要素解析是將文章分解的技術。將文中出現的有意義的最小單位稱作形態要素，以此解析句子,標注詞性,進行處理。例如今天天氣好這句句子,就可以分解為今天/天氣/好。具體來說,需要進行以下三個方面的處理:
①語匯單元化(tokenization)
將句子進行以單詞為單位的劃分。
②還原活用語(Stemming,Lemmatization)
對英語的動詞和名詞的詞尾，日語的活用語詞尾等進行還原性處理。
③標注詞性(Pait-of-?speechtagging)
對每個單詞進行詞性標注的處理形態要素解析工具中，奈良尖端科學技術研究院大學的圓筒竹刷非常著名。
■文本挖掘工具
使用市場上銷售的文本挖掘工具可以迅速分析出大量數據。在transcosmos,使用的是野村綜合研究所的文本挖掘工具TRUETELLER"。"TRUETELLER被評價為具有多種機能，且用戶操作起來很方便。具體分析功能請參考下表。
