F****3
发帖数: 1504 | 1 请问把下面几段文字的的信息转换成machine readable的relational database数据库
形式 在CS领域里应该搜索什么关键词？
我知道这个问题可能很深，需要看书，但是不知道要看什么书最对路子。。。
请问在CS里面这个一般行话怎么称呼啊？
要取出下面的信息
1. Company name
2. period to which on which the company issue the announcements
3. Financial measures: earnings or revenue?
4. Number of the financial measures such as $45,360,000
Example:
Veris Gold Corp. announced unaudited consolidated earnings and operating
results for the first quarter ended March 31, 2013. For the quarter, the
company reported revenue of $45,360,000 against $20,889,000 a year ago.
1. Veris Gold Corp.
2. the first quarter ended March 31, 2013
3. $45,360,000
4. revenue |
E*****m
发帖数: 25615 | |
F****3
发帖数: 1504 | 3 谢谢！
下载安装了，书也借了。。。
在StanfordNLP下载了一个StanfordNLP的包，但是是用java编译的。
http://www-nlp.stanford.edu/software/corenlp.shtml
请问是不是用那个Python wrapper就可以使用了在python环境下调用这个包了。
不要意思啊，我的用词不专业。 |
E*****m
发帖数: 25615 | 4
可以用 Stanford parser, 也可以不用， NLTK 自己有傳統的 grammar, 沒有
Stanford 那樣的 statistical parser 那麼強大就是了。
【在 F****3 的大作中提到】
: 谢谢！
: 下载安装了，书也借了。。。
: 在StanfordNLP下载了一个StanfordNLP的包，但是是用java编译的。
: http://www-nlp.stanford.edu/software/corenlp.shtml
: 请问是不是用那个Python wrapper就可以使用了在python环境下调用这个包了。
: 不要意思啊，我的用词不专业。
|
F****3
发帖数: 1504 | 5 好的，我先把NLTK掌握好。。。
谢谢！
【在 E*****m 的大作中提到】
:
: 可以用 Stanford parser, 也可以不用， NLTK 自己有傳統的 grammar, 沒有
: Stanford 那樣的 statistical parser 那麼強大就是了。
|
l*******s
发帖数: 1258 | 6 这个，叫unstructured data to structured data
如果要搞好，基本上NLP是唯一解决方案。
不知道你要达到什么样的精确度。
有一些现成的包，比如opennlp之类的，但是没法抽取出你要求的所有内容，或许只能
搞定公司名而已。因为那些都是基于machine learning的用wall street journey语料
训练的
除非你自己标注一堆data然后重新训练模型，不过听你的意思这方面不擅长，还是工作
量很大的。
要是能凑活的话，不妨试试写一堆regex，搞rule based，或许能对付一阵子，就看你
们需求如何了。
另外，考虑下一些网上的API，比如Alchemy API等 |
F****3
发帖数: 1504 | 7 太谢谢你告诉我这些！ 非常有用！
请问要用StanfordNLP那个包，我只会用python可不可以。我是文科生，java根本不会
。。。
想做的事情就是把类似下面这样的东西转换成机器可读形式：
Transat A.T. Inc. announced the signing of an agreement with International
Lease Finance Corporation for the long-term (eight-year) leasing of four
Boeing B737-800 aircraft. These planes will be introduced in summer 2014 and
become the core of Air Transat's permanent narrow-body fleet. They will be
used on sun-destination routes to Mexico, the Caribbean and Florida. The
agreement also includes the... More >>
【在 l*******s 的大作中提到】
: 这个，叫unstructured data to structured data
: 如果要搞好，基本上NLP是唯一解决方案。
: 不知道你要达到什么样的精确度。
: 有一些现成的包，比如opennlp之类的，但是没法抽取出你要求的所有内容，或许只能
: 搞定公司名而已。因为那些都是基于machine learning的用wall street journey语料
: 训练的
: 除非你自己标注一堆data然后重新训练模型，不过听你的意思这方面不擅长，还是工作
: 量很大的。
: 要是能凑活的话，不妨试试写一堆regex，搞rule based，或许能对付一阵子，就看你
: 们需求如何了。
|
l***i
发帖数: 16 | 8 Try information extraction. |
l*******s
发帖数: 1258 | 9 那就有点麻烦，很多NLP的包都是java的
那就试试nltk吧，是python的。
不过话又说回来了，为什么你非要搞这个东西呢？是不是老板让干的？跟老板谈谈，就
说自己是文科生，确实不擅长这个，能不能找个人合作？然后自己负责其他部分，毕竟
完整任务是最终目的，没必要所有事情都自己干，尤其是自己不擅长的。
文科生，就应该有点文科生解决问题的思路吗。
哈哈 虽然我也是文科生。。。
--Dishes Map，基于餐馆Review的美食发现引擎
https://play.google.com/store/apps/details?id=dishesmap.mobile
and
be
【在 F****3 的大作中提到】
: 太谢谢你告诉我这些！ 非常有用！
: 请问要用StanfordNLP那个包，我只会用python可不可以。我是文科生，java根本不会
: 。。。
: 想做的事情就是把类似下面这样的东西转换成机器可读形式：
: Transat A.T. Inc. announced the signing of an agreement with International
: Lease Finance Corporation for the long-term (eight-year) leasing of four
: Boeing B737-800 aircraft. These planes will be introduced in summer 2014 and
: become the core of Air Transat's permanent narrow-body fleet. They will be
: used on sun-destination routes to Mexico, the Caribbean and Florida. The
: agreement also includes the... More >>
|
