（2）文本挖掘的應(yīng)用
文本作為非結(jié)構(gòu)化數(shù)據(jù)，加工分析存在一定的難度，包括如何分詞、如何判斷多義詞、如何判斷詞性，如何判斷情緒的強烈程度。典型的應(yīng)用，包括搜索引擎智能匹配、通過投訴文本判斷客戶情緒、通過輿情監(jiān)控品牌聲譽、通過涉訴文本判定企業(yè)經(jīng)營風(fēng)險、通過網(wǎng)絡(luò)爬蟲抓取產(chǎn)品評論、詞云展示等。
文本和濕人。關(guān)于文本分析，最近朋友圈有篇分享，很有意思，號稱可以讓你瞬間變成濕人。原理很簡單，就是先把《全宋詞》分詞，然后統(tǒng)計頻數(shù)前100的詞語。然后你可以隨機湊6個數(shù)（1-100），這樣就可以拼湊出兩句詩。比如，隨機寫兩組數(shù)字，（2,37,66）和（57,88,33），對應(yīng)的詞語為（東風(fēng)、無人、黃花）和（憔悴、今夜、風(fēng)月）。組成兩句詩，即“東風(fēng)無人黃花落，憔悴今夜風(fēng)月明”。還真像那么一回事，有興趣可以玩一玩。
（3）LBS應(yīng)用
即基于位置的服務(wù)，即如何把服務(wù)和用戶的地理位置結(jié)合。當(dāng)下的APP應(yīng)用，如果不能很好地和地理位置結(jié)合，很多時候很難有旺盛的生命力。典型的APP，例如大眾點評（餐飲位置）、百度地圖（位置和路徑）、滴滴打車、微信位置共享、時光網(wǎng)（電影院位置）等服務(wù)。此外，銀行其實也在研究，如何把線上客戶推送到距離客戶最近的網(wǎng)點，完成O2O的完美對接，從而帶來更好的客戶體驗。