在信息时代存储大量数据是容易的，通过Web、企业内部网、电传新闻获得的文本数量在急剧增加，因而导致了信息过载。然而，数据量虽然增加了，但可用的信息在减少。文本挖掘是一个新的令人振奋的研究领域，它试图通过综合数据挖掘、机器学习、自然语言处理、信息检索和知识管理等技术来解决信息过载问题。文本挖掘包括文本集合的预处理（文本分类、信息抽取），中间结果存储，中间结果分析技术（分布分析，聚类，趋势分析，关联规则抽取）和最终结果的可视化。它与关联分析类似，为人们提供了分析海量文本数据的新工具，并且通过学习模式来指导抽取、发现和实体关系。本书首先讨论了文本挖掘的总体结构，文本挖掘预处理算法。其次，比较深入地研究了文本挖掘核心操作，最后，探讨真实世界中文本挖掘的主要应用和DIAL语言，弥补了理论和实践的脱节。