门外新人一枚，连入门都算不上。求问数据挖掘与文本挖掘的关系，两者哪个是主流大势呢？

NLP刚入门，想利用一些文本文件和python工具做一些文本分类的问题。查资料查到利用中文和英文的预处理有很多不同：中文处理具体是怎样的呢？（1）分词：jieba分词 or nlpir？（2）停用词：去停用词使用正则表达式？网上的停用词表是包括标点的，标点符号是否就不用再处理了？（3）上两步的顺序，先分词再停用词，还是先去停词再分词（4）词性标注有什么用？用于后续处理吗？（5）还有什么其他处理操作？ （6）后续分类使用gensim、scikit-learn、nltk？刚入门，问题比较小白。。

刚开始用R处理文本挖掘方面的问题，想请教一下怎样用R算一组词的jaccard相似度。并且设置一个常数，根据相似度与这个常数的比较对词聚类，并用字符少的词语替换字符多的词语。谢谢。

比较基础的问题，但是希望能够得到精炼的回答。

今天看到朋友圈分享的一个机器人自动作诗软件。可以填词作诗也可以随机生成。附上链接：帮你写诗的编诗姬你对这个机器人作诗软件怎么看？机器人创作是否会在未来取代人类创作？相比于人工作诗，机器人作诗的局限在哪里？有哪些算法实现一个作诗系统？需要考虑哪些特征？做一个写故事的机器人又有多难？

我使用的ansj开源的java分词库，使用词性标注后，得到的都是标注符号，例如：n,v之类的，我如何获得对应的词性中文名词？比如名词、动词等等

可以从自己公司提拔啊，难道这些大公司大企业都不给自己员工发展的机会，要从外部解决呢？