中文文本挖掘是一项综合技术，涉及数据挖掘、自然语言处理、计算语言学、信息检索及分类、知识管理等多个领域。将其用于文本数据中可以发现其隐含知识，即进行知识获取。中文文本挖掘出的数据源是文本数据，可以是Web页面、文本文件、Word和Excel文件、PDF文件等形式的电子文档。
在获取文本信息之前先对文本数据进行预处理，包括数据清洗，如去噪、去重；数据选择，即选择所需文本数据；文本切分，如中文分词、段落切分等。然后提取中文文本的特征信息，包括关键词（高频词）提取、术语（词组、短语）提取、基于模板的信息抽取、基于语义词典的概念转换、基于浅层句法分析的语法特征提取、基于浅层语义分析的语义特征提取、基于文本分类的文本类别信息获取等操作。
文本挖掘应用于以下领域：
