Teksto gavyba – tai kompiuterinių technologijų naudojimas tekstiniams dokumentams tyrinėti ir analizuoti. Jis dažnai laikomas labai panašiu į procesą, žinomą kaip duomenų gavyba, tačiau jis remiasi specialiu programavimu, kad būtų galima ieškoti nekategorizuotame tekste ir rasti prasmę ar modelius, o ne analizuoti iš anksto suskirstytą duomenų bazės informaciją. Teksto gavyba turi daug pritaikymų tokiose srityse kaip mokslas, rinkodara ir duomenų organizavimas.
Sudėtingumas, susijęs su žodžių rūšiavimu į kalbą, yra pernelyg sudėtingas, kad kompiuteriai galėtų susidoroti su jais, tačiau mokslininkai daug dirbo, kad patobulintų tokį programavimą. Buvo sukurta daug metodų, leidžiančių mokslininkams nustatyti frazes ir atrasti faktus apie tekstą. Paprastai tai nėra tas pats, kas visiškai iššifruoti prasmę, tačiau tai leidžia naudoti nuorodas, kurios pasiekia daug tų pačių tikslų. Teksto gavyba naudojasi kai kuriais iš šių metodų, o tobulėjant šiai technologijai, paprastai tikimasi, kad ir teksto gavyba taip pat pagerės.
Ekspertai teksto informacijos analizę pirmiausia naudoja tirdami rašytinius dokumentus. Gali būti sunku išanalizuoti didelius rašytinių duomenų kiekius, nes tam reikia labai daug laiko. Kompiuteriai gali perskaityti šį tekstą daug greičiau, bet negali jo suprasti. Teksto gavybos metodai leidžia kompiuteriams rasti naudingų teksto tendencijų, pateikiant duomenis taip, kad būtų atskleisti nauji faktai arba leisti ekspertams padaryti atradimų.
Šios technologijos panaudojimo pavyzdys būtų rinkos tyrimai. Ekspertai galėtų analizuoti paieškos rezultatus pagal produkto pavadinimą ir leisti programai ieškoti frazių, išreiškiančių vartotojo nuotaikas. Tokiu būdu jie gali labai išsamiai sužinoti, kaip žmonės iš tikrųjų jaučiasi apie savo produktą. Jie taip pat galėtų tiesiog ieškoti savo produkto ir pamatyti, kurios frazės pasirodo dažniausiai, o tai gali padėti jiems sukurti naujų idėjų, kaip įtikti savo klientams.
Kitas teksto gavybos panaudojimas yra mokslinių straipsnių panašiomis temomis analizė, ieškant naujų tendencijų ar susitarimų. Tai leido kai kuriems mokslininkams daryti nuspėjamas prielaidas, kurios pasirodė naudingos tokiose srityse kaip baltymų analizė. Kai kurie ekspertai mano, kad tokios programos galiausiai gali pateikti netikėtų atradimų.
Procesas, vadinamas duomenų gavyba, iš tikrųjų yra gana panašus į teksto gavybą, tačiau paprastai jį atlikti nėra taip sudėtinga, nes jis remiasi tekstu, kuris jau suformatuotas į kategorijas. Pavyzdžiui, programinė įranga galėtų peržiūrėti visą informaciją, skirtą kandidatams į darbą, duomenų bazėje, ieškodama tendencijų. Kompiuteriams sunkiau išgauti tekstą, nes gryną tekstą sunkiau analizuoti nei duomenis su kategorijomis.