标签: extract

我想使用命名实体识别(NER)来为数据库中的文本找到足够的标签.

我知道维基百科有关于此的文章以及许多描述NER的其他页面,我最好从您那里听到有关此主题的内容:

• 您使用各种算法有什么经验？
• 你会推荐哪种算法？
• 哪种算法最容易实现(PHP/Python)？
• 如何算法工作？是否需要手动培训？

例:

"去年,我在伦敦看到巴拉克奥巴马." =>标签:伦敦,巴拉克奥巴马

我希望你能帮助我.非常感谢你提前!

我已经四处寻找答案,但我似乎只能找到适合你的软件.有人知道如何在python中这样做吗？

我有一堆PDF文档,其中包含表格数据,我需要将其提取为更易读的格式,以存储在电子表格,数据库或其他任何内容中.

世界上是否有任何东西(最好是免费的)可以将PDF格式的表格数据转换为更易读的格式,可以通过本机与应用程序集成,也可以通过命令行被动地或通过代码(.net)循环进程？

只要表格得到维护,就可以是任何格式(doc,html).

到目前为止我发现的任何东西都是一次性的(一次只有一个文档,我有数百个,没有发生)或者没有维护表结构.

任何想法请发布.

我想从带有java的视频文件(mov)中获取帧样本(jpeg).是否有捷径可寻.当我在谷歌搜索所有我能找到的是从多个jpgs制作mov.我不知道也许我找不到合适的关键字.

例如,如果我有

ABS YUR YUAO   
HFH IWO OQNX  
YQO PQM QUCC

如何提取另一列中的最后四个字母？

我有如下数据:

A:B:C:D

我想替换Cwith数据(比方说Z),以便它看起来像

A:B:Z:D

我该怎么做？

我有一个Excel工作表,其中包含两列(名称/ ID),然后是另一个列表,它只是上述较大列表中的名称的子集.我想通过子集列表,然后从较大的列表(名称/ ID)中提取数据并将其放在其他位置......如果名称在子集上,则基本上只从较大的列表中获取数据.

我尝试使用过滤器,但无法使其工作.思考？

谢谢.

使用Java,我如何从给定的网页中提取所有链接？

我有一个关于提取字符串的一部分的问题.例如,我有一个这样的字符串:

a <- "DP=26;AN=2;DB=1;AC=1;MQ=56;MZ=0;ST=5:10,7:2;CQ=SYNONYMOUS_CODING;GN=NOC2L;PA=1^1:0.720&2^1:0"

我需要在GN=和之间提取所有内容;.所以它会在这里NOC2L.

那可能吗？

注意:这是INFO列形式的VCF文件格式.GN是基因名称,因此我们想从INFO列中提取基因名称.

我已经遵循了几个教程但是我无法运行此代码块,我从StringIO到BytesIO进行了必要的切换(我相信？)

我不确定为什么'香蕉'什么都不打印,我认为错误可能是红色的鲱鱼？是不是跟着python2.7教程并试图将它翻译成python3？

errors: File "/Users/foo/PycharmProjects/Try/Pdfminer.py", line 28, in <module>
    banana = convert("A1.pdf")
  File "/Users/foo/PycharmProjects/Try/Pdfminer.py", line 19, in convert
    infile = file(fname, 'rb')
NameError: name 'file' is not defined

脚本

from io import BytesIO

from pdfminer.pdfinterp import PDFResourceManager, PDFPageInterpreter
from pdfminer.converter import TextConverter
from pdfminer.layout import LAParams
from pdfminer.pdfpage import PDFPage

def convert(fname, pages=None):
    if not pages:
        pagenums = set()
    else:
        pagenums = set(pages)

    output = BytesIO()
    manager = PDFResourceManager()
    converter = TextConverter(manager, output, laparams=LAParams())
    interpreter = PDFPageInterpreter(manager, converter)

    infile = …