挖掘器输出已经部分解决了分类问题。其余类别需要手动处理。 分类本身是通过识别分析中的大模式、用通用名称（例如类型或颜色）标记它们并逐渐将单个模式合并到其中来进行的。您可以在这里找到Marko Prokop的精彩指南，了解如何考虑分类和分类以及如何进行分类： http://vyhledavace.info/clanky/246/klasifacni-analyza-klicovych-slov 3.2. OpenRefine 中的数据清理和分类 OpenRefine 是一个很棒的数据清理工具。
即使是大的输入对他来说也不是问题
并且他为您准备了一些非常有用的功 能： 3.2.1.识别不相关的模式 首先，需要在 OpenRefine 中创建一个项目，其中包 德国 Whatsapp 号码 含来自 Marketing Miner 输出的分析数据。我在下面的视频中展示了如何快速分析和删除不必要的模式（说明如下）： OpenRefine 具有许多功能来处理快速数据集分析。具体来说，我们将使用所谓的Word facet，它将短语划分为单个单词，然后计算它们的出现频率（类似于我上面提到的词云）。
在其中我找到了不相关的模式
并借助删除所有匹配行函数将它们从数据集中删除。 3.2.2. OpenRefine 中的分类 分类时，与搜索不适当的问题类似，我会在所 越南电报号码 有问题上方创建一个 Word 分面，在其中查找要分类的模式。根据其中的数据，我创建列，其中包含我想要向其分配问题的类别名称。 视频教程： 我在视频中实际做了什么： 我将创建一个单词构面，从而获得查询出现的频率。 根据 Word 方面的数据，我决定对服务进行分类，因此我为其创建一个空列。
