基于统计机器学习的方法是利用统计机器学习算法，对大量的文本数据进行训练和学习，从而得到一个模型，利用该模型对新的文本进行分析。

具体步骤如下：

1. 准备训练数据：收集大量的已标注的文本数据作为训练数据，其中每个文本都被标记为某个类别或实体。
2. 特征提取：从训练数据中提取有用的特征，例如文本中的词频、词序、语法信息等。
3. 模型训练：使用统计机器学习算法，例如朴素贝叶斯、支持向量机、深度学习等，对训练数据进行学习，得到一个分类或实体识别模型。
4. 模型评估：使用测试数据对模型进行评估，计算模型的准确率、召回率等指标，以确定模型的性能。
5. 模型优化：根据模型评估的结果，对模型进行优化和调整，例如调整模型的参数、增加训练数据等。
6. 应用模型：将优化后的模型应用到新的文本数据中，进行分类或实体识别。

基于统计机器学习的方法的优点是可以自动地从大量的文本数据中学习模型，适用于处理复杂的、非结构化的文本。但是，需要大量的标注数据，并且模型的性能受到数据质量的影响。在实际应用中，通常需要将基于统计机器学习的方法和基于规则的方法结合起来使用，以提高文本分析的准确性和效率。