Truy xuất văn bản là quá trình chuyển đổi văn bản phi cấu trúc thành định dạng có cấu trúc để xác định các mẫu có ý nghĩa và insight mới. Bằng cách sử dụng các kỹ thuật phân tích tiên tiến, bao gồm Naïve Bayes, Support Vector Machines (SVM) và các thuật toán học sâu khác, các tổ chức có thể khám phá và tìm thấy các mối quan hệ ẩn trong dữ liệu phi cấu trúc của họ. Có hai phương pháp truy xuất văn bản:
Chọn lọc tài liệu (Document Selection) – Trong phương pháp chọn lọc tài liệu, truy vấn được coi là định nghĩa ràng buộc để chọn tài liệu liên quan. Một cách tiếp cận chung của loại này là mô hình truy xuất Boolean, trong đó tài liệu được định nghĩa bởi một tập từ khóa và người dùng cung cấp biểu thức Boolean của từ khóa, như "ô tô và sửa chữa", "trà hoặc cà phê", hoặc "hệ thống cơ sở dữ liệu nhưng không phải Oracle".
Hệ thống truy xuất có thể nhận truy vấn Boolean đó và trả về bản ghi thỏa mãn biểu thức Boolean. Do sự phức tạp trong việc chỉ định chính xác nhu cầu thông tin của người dùng bằng truy vấn Boolean, kỹ thuật truy xuất Boolean thường chỉ hoạt động tốt khi người dùng hiểu rõ về tập tài liệu và có thể xây dựng truy vấn tối ưu theo cách đó.
Xếp hạng tài liệu (Document ranking) – Phương pháp xếp hạng tài liệu sử dụng truy vấn để xếp hạng tất cả bản ghi theo thứ tự độ áp dụng. Đối với người dùng thông thường và truy vấn khám phá, các kỹ thuật này phù hợp hơn phương pháp chọn lọc tài liệu. Hầu hết hệ thống truy xuất thông tin hiện tại trình bày danh sách tệp được xếp hạng để đáp lại truy vấn từ khóa của người dùng.
Có nhiều phương pháp xếp hạng dựa trên phổ rộng các nền tảng số học, như đại số, logic, xác suất và thống kê. Trực giác chung đằng sau tất cả các kỹ thuật này là kết nối từ khóa trong truy vấn với những trong bản ghi và chấm điểm mỗi bản ghi tùy thuộc vào mức độ khớp với truy vấn.
Mục tiêu là xấp xỉ độ liên quan của bản ghi bằng điểm tính toán dựa trên thông tin bao gồm tần suất từ trong tài liệu và toàn bộ tập hợp. Việc cung cấp phép đo chính xác về độ liên quan giữa tập từ khóa là khó khăn. Ví dụ: khó định lượng khoảng cách giữa khai thác dữ liệu và phân tích dữ liệu.
Phương pháp phổ biến nhất của cách này là mô hình không gian vector. Ý tưởng cơ bản của mô hình không gian vector là: biểu diễn tài liệu và truy vấn đều dưới dạng vector trong không gian chiều cao tương ứng với tất cả từ khóa và sử dụng phép đo tương đồng phù hợp để đánh giá sự tương đồng giữa vector truy vấn và vector bản ghi. Các giá trị tương đồng sau đó có thể dùng để xếp hạng tài liệu.