以文本（如字符、数字、标点、各种可打印的符号等）作为数据形式的非结构化的数据；非结构化或半结构化文本数据的典型代表是图书馆数据库中的文档，这些文档可能包含结构字段，如标题、作者、出版日期、长度、分类等，也可能包含大量非结构化文本成分，如摘要和正文内容。

如何快速、准确地从来自非结构化数据源的大规模文本信息资源中提取符合需要的简洁、精炼、可理解的知识，这就涉及到文本挖掘技术。