Text Analytics 使用抽取过程快速准确地从文本数据中捕获关键概念。 这一过程依靠语言资源来决定如何分析和解释大量非结构化文本数据。

您可以使用资源编辑器选项卡查看提取过程中使用的语言资源。 这些资源以模板和库的形式存储，这些模板和库用于抽取概念，按类型对它们进行分组，发现文本数据中的模式以及其他过程。 Text Analytics 提供了多个预先配置的资源模板，在某些语言中，您还可以使用文本分析包中的资源。

在 资源编辑器选项卡上，您可以使用术语和类型来确定要从文档中提取的概念。 这些技术术语的定义如下。

概念

概念是从文本数据中标识和抽取的重要单词和短语。 它们也称为 抽取结果。 这些概念分组到类型。 您可以使用这些概念来浏览数据和创建类别。

条款

术语是构成概念的特定词。 术语是单词，如 airport 或 location，以及词组，如 airport pick-up。 它们用于识别文本中的概念。 术语可以是词的复数或单数形式，较大词的部分，同义词或拼写变体。

类型

类型是概念的语义分组。 抽取概念时，会为其分配类型以帮助分组相似概念。 例如，某些缺省类型为 <Location>， <Organization>， <Person>， <Positive>和 <Negative>。

您可以使用资源编辑器选项卡自定义和调整语言资源。 您还可以使用这些控件来管理术语与文本数据的匹配方式，并定义文本链接分析 (TLA) 的规则。