我有一个包含多个句子的字符串.如何将每个句子中第一个单词的首字母大写.像单词中的段落格式.
例如,"这是一些代码.代码在C#中."输出必须是"这是一些代码.代码在C#中".
一种方法是根据'.'拆分字符串.然后将第一个字母大写,然后重新加入.
有更好的解决方案吗？
我想突出显示页面上一个段落对象数组中包含的长句子(比如50个字或更多),即$("#content p").我不知道如何解决这个问题.
我最初试图突出显示所有句子,但是当它们包含HTML标记时遇到了麻烦(例如,网上的代码突出显示似乎仅用于单个单词,因此它们不考虑子节点).我知道分裂句子很难; 我想用.!？然后是空格,然后是大写字母,或者根本没有任何东西(即段落的末尾).
在此先感谢您的任何帮助/建议.
假设我有一个字符串text = "A compiler translates code from a source language".我想做两件事:
我需要使用NLTK库迭代每个单词和词干.阻止的功能是PorterStemmer().stem_word(word).我们必须传递"单词"这个论点.如何阻止每个单词并取回词干？
我需要从text字符串中删除某些停用词.包含停用词的列表存储在文本文件中(空格分隔)
stopwordsfile = open('c:/stopwordlist.txt','r+')
stopwordslist=stopwordsfile.read()
如何从中删除这些停用词text并获取已清理的新字符串？
所以首先我对Python很陌生,所以如果我做了一件糟糕的事情,我会抱歉这个帖子.我被分配了这个问题:
我们想为下面的问题设计一个动态编程解决方案:有一个字符串可能是一系列单词,删除了所有空格,我们想找到一种方法,如果有的话,在其中插入空格单独的有效英语单词.例如,他们的故事可能来自"你的发泄","青年事件"或"他们出去发泄".如果输入是theeaglehaslande,则没有这样的方法.您的任务是以两种不同的方式实现动态编程解决方案:
假设单词的原始序列没有其他标点符号(例如句点),没有大写字母,也没有专有名称 - 所有单词都将在提供给您的字典文件中提供.
所以我有两个主要问题:
我想要的是什么:
一如既往地感谢任何人给予的任何时间和努力,我们总是感激不尽.
这是我的尝试:
#dictionary function returns True if word is found in dictionary false otherwise
def dictW(s):
diction = open("diction10k.txt",'r')
for x in diction:
x = x.strip("\n \r")
if s == x:
return True
return False
def iterativeSplit(s):
n = len(s)
i = j = k = 0
A = [-1] * n
word = [""] * n
booly = False
for i in range(0, n): …我记得很久以前从NLTK网站浏览句子分段部分.
我使用粗略的文本替换"句号""空格"和"句号""手动换行符"来实现句子分段,例如使用Microsoft Word替换(.- > .^p)或Chrome扩展程序:
https://github.com/AhmadHassanAwan/Sentence-Segmentation
https://chrome.google.com/webstore/detail/sentence-segmenter/jfbhkblbhhigbgdnijncccdndhbflcha
这不是像NLTK的Punkt标记化器那样的NLP方法.
我分段帮助我更容易找到并重读句子,这有时可以帮助阅读理解.
独立子句边界消歧和独立子句分割怎么样？是否有任何工具试图这样做？
下面是一些示例文本.如果在一个句子中可以识别出一个独立的条款,则会有一个分裂.从一个句子的结尾开始,它向左移动,并贪婪地分裂:
例如
句子边界消歧(SBD),也称为句子破坏,是决定在哪里的自然语言处理中的问题
句子开始和结束.
通常,自然语言处理工具
由于多种原因,他们要求将他们的输入分成句子.
然而,由于标点符号,句子边界识别具有挑战性
标记通常是模棱两可的.
对于例如,一个周期可以
表示缩写,小数点,省略号或电子邮件地址 - 而不是句子的结尾.
华尔街日报语料库中大约 47%的时期
表示缩写.[1]
同样,问号和感叹号也可能
出现在嵌入式引号,表情符号,计算机代码和俚语中.
另一种方法是自动进行
从句子中的一组文件中学习一套规则
休息是预先标记的.
日语和中文等语言
有明确的句子结尾标记.
该标准的"香草"的方式
找到句子的结尾:
(a)如果
这是一个时期,
它结束了一个句子.
(b)如果是前一个
令牌是我手工编译的缩写列表,然后
它没有结束一句话.
(c)如果下一个
然后,令牌大写
它结束了一个句子.
这个
策略获得约95%的句子正确.[2]
解决方案基于最大熵模型.[3]
该起价架构采用神经网络来
消除句子边界的歧义,达到98.5%的准确率.
(我不确定我是否正确拆分它.)
如果没有办法划分独立条款,是否有任何搜索条件可用于进一步探讨此主题？
谢谢.
将数据库列名拆分为等效的英文文本以生成数据字典.英语词典是从公司文档,维基和电子邮件的语料库中创建的.dictionary(lexicon.csv)是一个包含单词和概率的CSV文件.因此,有人写"治疗师"这个词(在电子邮件或维基页面上)的次数越多,"治疗师名称"分裂为"治疗师名称"的可能性就越大,而不是其他东西.(词典可能甚至不包括强奸犯这个词.)
遇到以下问题时:
dependentrelationship::end depend ent dependent relationship
end=0.86
ent=0.001
dependent=0.8
relationship=0.9
存在以下可能的解决方
dependentrelationship::dependent relationship
dependentrelationship::dep end ent relationship
dependentrelationship::depend ent relationship
词典包含与它们的相对概率的话(基于字频): ,dependent 0.8,end 0.86,relationship 0.9,depend 0.3和ent 0.001.
消除dep end ent relationship因为dep不在词典中的解决方案(即75%的单词使用),而其他两个解决方案覆盖了词典中100%的单词.在剩余的解决方案中,概率dependent relationship为0.72,而depend ent relationship为0.00027.因此,我们可以选择dependent relationship正确的解决方案.
假设有一个类似“给我找一些爵士音乐并播放它”这样的句子，其中所有文本都经过规范化并且没有标点符号（语音识别库的输出）。
除了对连词进行拆分的幼稚方法之外，还有哪些在线/离线工具可用于进行“句子分割”？
输入：
给我找一些爵士音乐并播放它
输出：
给我找点爵士音乐
播放
YARQ(另一个正则表达式问题).
我如何将以下内容拆分为两列,确保最后一列包含句子中的最后一个单词,第一列包含其他所有单词.
x <- c("This is a test",
"Testing 1,2,3 Hello",
"Foo Bar",
"Random 214274(%*(^(* Sample",
"Some Hyphenated-Thing"
)
这样我最终得到:
col1 col2
this is a test
Testing 1,2,3 Hello
Foo Bar
Random 214274(%*(^(* Sample
Some Hyphenated-Thing
我在 Java 中使用 BreakIterator 类将段落分成句子。这是我的代码：
public Map<String, Double> breakSentence(String document) {
sentences = new HashMap<String, Double>();
BreakIterator bi = BreakIterator.getSentenceInstance(Locale.US);
bi.setText(document);
Double tfIdf = 0.0;
int start = bi.first();
for(int end = bi.next(); end != BreakIterator.DONE; start = end, end = bi.next()) {
String sentence = document.substring(start, end);
sentences.put(sentence, tfIdf);
}
return sentences;
}
问题是当段落包含标题或数字时，例如：
“罗伯茨教授试图通过编写 1.200 行代码来解决问题。”
我的代码将产生的是：
sentences :
Prof
Roberts trying to solve a problem by writing a 1
200 lines of code
由于标题和数字中的句点，而不是 1 个单句。
有没有办法解决这个问题，用 …