Ordudtrækning: Definition og Forensisk Anvendelse

Ordudtrækning er den automatiserede identifikation og hentning af specifikke ord, fraser eller mønstre fra ustrukturerede tekstdata.

Teknikker

• Regulære udtryk (regex)
• Navngivet Entitet Genkendelse (NER)
• Nøgleord/nøglefrase udtrækning (TF-IDF, RAKE, TextRank)
• Dyb læring (BERT-baseret span-klassificering)

Anvendelser

• Forensik: Bevisudvinding fra chats, e-mails, logfiler.
• E-discovery: Juridisk dokumentgennemgang.
• Sentiment/Emneanalyse: Sociale medier, anmeldelser.
• Datatabforebyggelse: Opdag PII, hemmeligheder.

Eksemplet – en detektiv der analyserer tekster for belastende beviser – illustrerer forensisk nøgleordsudtrækning.