数据准备和可视化

访问、集成、配置、清理和转换数据，从 35 个以上的数据连接器导入文本，包括自助数据可视化功能，用于探索和理解文本数据。

解析

将文本拆分为单词、词组、标点符号和其他含义元素，以提供机器进行大规模文本分析所需的人类框架。

趋势分析

使用无监督机器学习根据共同主题对文档进行分组。相关性评分计算每个文档与每个主题的关联程度，二进制标记表示主题成员关系高于给定阈值。

信息提取

使用功能强大、灵活且可扩展的专有编程语言（即文本信息语言转译 (LITI)），从文本中提取特定信息或信息间关系。

混合建模方法

结合构建有效文本模型所需的各种功能，包括语言规则、自然语言处理、机器学习和深度学习的丰富组合。

情感分析

识别文本中的主观信息；将其标记为正面、负面或中立；将该信息与实体相关联；并通过情感指标显示提供直观描述。

灵活部署

批量、通过 Hadoop、在流中以及通过 API 部署模型。评分代码是用于分布式处理的原生线程，限度利用计算资源，减少结果等待时间。

本地支持多种语言

提供开箱即用的 NLP 功能，以使用由来自世界各地的本地语言专家创建的词典和语言资产来进行本地语言分析。

开放式平台

提供多线程并行处理，以在支持云的开放式架构上进行内存分析，允许灵活的集成，用户可以选择使用 SAS、Python、R、Java、Scala 或 Lua 进行编码。

扩展从大量文本数据中读取、组织和提取有用信息的人类行为

发现新趋势和潜在机会，借助自然语言处理、机器学习和深度学习方法以及语言规则的正确组合，快速、不知疲倦地对不断增长的文本数据进行筛选，以识别主要思想或主题、提取关键术语、分析情感并识别单词之间的关联，这有助于在需要时向人们提供正确的信息。

加快数据到决策的速度

根据提供的数据进行决策，缩小获得信息到采取行动之间的差距，如果有人通过移动设备应用发表评论或点击，SAS 可视化文本分析立即使用内存、数据库、数据流技术分析数据，嵌入式可视化功能允许对数据和分析进行可视化探索，同时还提供直观的仪表板，可以轻松地将结果传达给各相关者。

开放式生态系统促进协作和信息共享

SAS 可视化文本分析提供了一个灵活的环境，可支持整个分析生命周期（从数据准备到发现分析洞察，再到将模型投入生产以实现价值），在高度协作的工作区中创建、管理和共享内容（包括实践管道），该工作区可轻松与现有系统和开源技术集成。

通过自动化改善分析工作流

智能算法和 NLP 技术可自动检测文本数据中的关系和情感，从而消除费时的人工分析，通过自动生成规则和交互式沙箱，增强人类主题专业知识使用，以筛选结果，该交互式沙箱让您可以通过评估规则子集，来确定哪些规则执行效果更好，拖放功能、实践模板、简单的合并和拆分功能、轻松的主题升级、自动规则生成和一键式模型部署共同减少了所需的人工模型构建工作，从而节省出更多时间用以专注于查找重要信息。