我发现了stanford-NLP的工具,发现它非常有趣.我是法国数据管理员/数据科学家,喜欢文本分析,并且很乐意使用你的工具,但是法语中没有的NER对我来说非常令人费解.
我很想制作我自己的法国NER,如果它被认为是值得的话,甚至可以提供它作为包的贡献,那么......你能否向我简要介绍基于stanford coreNLP训练法国NER的CRF的要求？
谢谢.
这是我的问题，我正在使用我自己的测试 VM 使用 Talend & Mongodb 进行数据转换项目。不幸的是，我尝试大规模启动 Map/Reduce 操作，但磁盘上的可用空间显然太少了。它坠毁了。
（我从 2Go csv 文件中加载了单个集合数据，它创建了一个 9Go db，我认为这只是分配了空间，而我的下一个操作不会让它再次变大......然后将一些聚合到一个新的使用 Map/Reduce 脚本的集合。）
现在我无法打开 mongo shell，即使我由于显然损坏的数据库文件而强制删除锁定文件。并且由于磁盘空间不足（10Go数据库文件，需要相同的磁盘空间，只有2Go）导致mongodb启动时的修复命令失败。
我想完全摆脱 db 以重新开始采样数据，所以基本上我不想在无法使用 shell 的情况下删除 db ......我可以删除文件 dbname.1 到 dbname.8 吗？数据库名称.ns ? 好像有点暴力...
谢谢你的帮助！
编辑：解决了我的问题，使用 --nojournal 启动 mongod，但仍然对 mongodb 如何处理这些被删除的文件感兴趣
我必须升级一个使用旧版本的 microsoft azure python 包从 api 下载数据的 docker 容器，然后将 json 上传到 Azure Blob 存储。因此，由于不再允许使用以前的“azure”元包的 pip 安装，我必须使用新的独立包（azure-storage-blob==12.6.0）。
从旧“azure”包中集成的 blockblobservice 中的函数“create_blob_from_path”切换到新的独立包，BlobClient.upload() 在较大文件上失败，并出现超时错误，完全忽略函数的超时参数。
我收到 ServiceResponseError 消息“连接中止/写入操作超时”
有什么办法可以解决这个错误吗？
新函数感觉像是从 create_blob_from_path 向后退了一大步，缺少progress_callback 主要是令人遗憾的......
我正在尝试微调“更像这样”的查询，以使其适用于非常相似的文档（正式的公告，大部分文本都是“模板”，因此只有某些段落是重要的）。
所以我想知道，给定一个选定的文档，对于我的 "max_query_terms": 20，选择了哪些术语，使用解释的查询只显示哪些确实在检索到的文档中找到，而不是整个 20 个标记集。
我知道这组术语是先验地选择参考文档与索引的比较，以构建一个独特的“匹配”查询但是......
例如，如果我使用 ngrams，则 max_query_terms 适用于分析文本的标记？或者在分析之前使用术语，即取 20 个单词然后将我的过滤器（停用词、省略、ngrams 等...）应用于这个集合？
有没有办法通过rest或api来检索mlt算法生成的匹配查询？