小编hip*_*ail的帖子

如何用空格分隔"句子"中的单词?

背景

希望在JasperServer中自动创建域.域是用于创建临时报告的数据的"视图".列的名称必须以人类可读的方式呈现给用户.

问题

理论上,组织可以在报告中包含2,000多种可能的数据.数据来自非人类友好的名称,例如:

payperiodmatchcode labordistributioncodedesc依赖关系actionendoption actionendoptiondesc addresstype addresstypedesc historytype psaddresstype rolename bankaccountstatus bankaccountstatusdesc bankaccounttype bankaccounttypedesc beneficiaryamount beneficiaryclass beneficiarypercent benefitsubclass beneficiaryclass beneficiaryclassdesc benefitactioncode benefitactioncodedesc benefitagecontrol benefitagecontroldesc ageconrolagelimit ageconrolnotperiperiod

题

你会如何自动将这些名称更改为:

  • 支付期间匹配代码
  • 劳务分配代码
  • 依赖关系

思路

  • 使用谷歌你的意思是引擎,但我认为它违反了他们的服务条款:

    lynx -dump «url» | grep "Did you mean" | awk ...

语言

任何语言都可以,但像Perl这样的文本解析器可能非常适合.(列名仅限英文.)

不必要的完美

打破单词的目标不是100%完美; 以下结果是可以接受的:

  • enrollmenteffectivedate - >报名生效日期
  • enrollmentenddate - >注册男士日期
  • enrollmentrequirementset - >注册要求集

无论如何,人类都需要仔细检查结果并纠正许多结果.将一组2,000个结果减少到600次编辑将节省大量时间.要注意一些具有多种可能性的病例(例如,治疗师名称),要完全忽略这一点.

bash perl awk nlp text-segmentation

11
推荐指数
1
解决办法
1881
查看次数

Java中的UTF-16编码与C#

我试图读取UTF-16编码方案中的字符串并对其执行MD5散列.但奇怪的是,当我尝试这样做时,Java和C#会返回不同的结果.

以下是Java中的一段代码:

public static void main(String[] args) {
    String str = "preparar mantecado con coca cola";
    try {
        MessageDigest digest = MessageDigest.getInstance("MD5");
        digest.update(str.getBytes("UTF-16"));
        byte[] hash = digest.digest();
        String output = "";
        for(byte b: hash){
            output += Integer.toString( ( b & 0xff ) + 0x100, 16).substring( 1 );
        }
        System.out.println(output);
    } catch (Exception e) {

    }
}
Run Code Online (Sandbox Code Playgroud)

输出为:249ece65145dca34ed310445758e5504

以下是C#中的一段代码:

   public static string GetMD5Hash()
        {
            string input = "preparar mantecado con coca cola";
            System.Security.Cryptography.MD5CryptoServiceProvider x = new …
Run Code Online (Sandbox Code Playgroud)

c# java encoding md5 utf-16

11
推荐指数
2
解决办法
6430
查看次数

哪些CPU支持MOVBE指令?

有时GCC会在编译时生成此指令-march=atom.每个Intel Atom CPU都支持MOVBE吗?

其他哪些处理器支持此指令?我似乎无法在英特尔网站上找到这些信息.请帮忙.

x86 assembly endianness

11
推荐指数
2
解决办法
6396
查看次数

为什么这些词被视为停用词?

我没有正式的自然语言处理背景,想知道NLP方面的人是否可以对此有所了解.我正在玩NLTK库,我特意调查了这个包提供的停用词功能:

在[80]中:nltk.corpus.stopwords.words('english')

出[80]:

['我','我','我','我自己','我们','我们','我们','我们','你','你','你','你自己','你自己,'他','他','他','他自己','她','她','她','自己','它','它','本身','他们' ,'他们','他们','他们','他们','什么','哪个','谁','谁','这个','那个','这些','那些',' am','is','are','was','are','be','been','being','have','has','have','have','do' ,'做','做','做','a','an','the','和','但','if','或','因为','为','直到','','',','at','by','for','with','about','on','between','to',','through','' ,'之前','之后','上方','下方','来','来','上','下','进','出','开','关','超过','再次','进一步','然后','一次','这里','那里','何时','何处','为什么','如何','所有' ,'任何','两者','每个','少数','更多','最','其他','某些','这样','不','也','不','只有','拥有','相同','如此','比','太','非常','s','t','可以','将','只是','不' ,'应该','不 W']

我不明白的是,"为什么"这个词不存在?是否有必要确定句子内的情绪?例如,这样的句子:

我不确定问题是什么.

一旦not删除了禁用词,就会完全不同,将句子的含义改为对面(I am sure what the problem is).如果是这种情况,那么在不使用这些停用词时我是否缺少一套规则?

language-agnostic nlp machine-learning nltk stop-words

11
推荐指数
1
解决办法
1442
查看次数

结合Word频率数据列表

这似乎应该是一个显而易见的问题,但列表上的教程和文档不会出现.其中许多问题源于我的文本文件的大小(数百MB)以及我试图将它们归结为我的系统可管理的东西.结果,我正在分段工作,现在正试图将结果结合起来.

我有多个单词频率列表(约40个).列表可以通过Import []获取,也可以作为Mathematica中生成的变量获取.每个列表显示如下,并使用Tally []和Sort []命令生成:

{{"the",42216},{"of",24903},{"和",18624},{"n",16850},{"in",
16164},{"de",14930},{ "a",14660},{"to",14175},{"la",7347},{"was",6030},{"l",5981},{"le",5735},<< 51293 >>,{"abattoir",1},{"abattement",1},{"abattagen",1},{"abattage",1},{"abated",1},{"abandonn",1} ,{"abaiss",1},{"aback",1},{"aase",1},{"aaijaut",1},{"aaaah",1},{"aaa",1}}

以下是第二个文件的示例:

{{"the",30419},{"n",20414},{"de",19956},{"of",16262},{"and",
14488},{"to",12726},{ "a",12635},{"in",11141},{"la",10739},{"et",9016},{"les",8675},{"le",7748},<< 101032 >>,{"abattement",1},{"abattagen",1},{"abattage",1},{"abated",1},{"abandonn",1},{"abaiss",1} ,{"aback",1},{"aase",1},{"aaijaut",1},{"aaaah",1},{"aaa",1}}

我想将它们组合起来,以便频率数据聚合:即如果第二个文件有30,419次出现''并且加入第一个文件,它应该返回有72,635次出现(依此类推,因为我在整个文件中移动)采集).

wolfram-mathematica word-frequency

11
推荐指数
4
解决办法
660
查看次数

jQuery对象是不可变的?

你好,这里有jQuery的新菜鸟,我想知道jQuery对象是不可变的.例如:

var obj1 = $("<tag></tag>");
var obj2 = obj1.append("something");
Run Code Online (Sandbox Code Playgroud)

obj1和obj2是否相同意味着obj2会引用obj1?

更新:

上面的例子有点划伤我想知道的表面,一个更准确的问题是:如果我从jQuery api链接函数将返回相同的对象或新的(如Java中的字符串的情况)?

jquery immutability mutability

11
推荐指数
2
解决办法
1276
查看次数

statemachine和statechart是否意味着相同?

我听说有人使用这些条款.

我想知道他们是否提到了同样的事情,或者两者之间是否存在差异?

diagram uml terminology state-machine statechart

11
推荐指数
1
解决办法
4433
查看次数

Javascript RegExp非捕获组

我正在编写一组RegExps来将CSS选择器转换为id和类的数组.

例如,我希望'#foo #bar'返回['foo','bar'].

我一直在努力实现这一目标

"#foo#bar".match(/((?:#)[a-zA-Z0-9\-_]*)/g)
Run Code Online (Sandbox Code Playgroud)

但是当非捕获前缀?:应该忽略#字符时,它返回['#foo','#bar'].

有没有比切片返回的每个字符串更好的解决方案?

javascript regex regex-group capturing-group

11
推荐指数
2
解决办法
6159
查看次数

在C程序中使用汇编语言的目的是什么?

在C程序中使用汇编语言的目的是什么?编译器已经能够生成汇编语言.在什么情况下编写汇编比C更好?性能是否考虑?

c assembly inline-assembly

11
推荐指数
3
解决办法
2098
查看次数

同形和仿射变换

嗨,我是计算机视觉的初学者,我想知道单应性和仿射变换之间究竟有什么区别,如果你想找到两个图像之间的平移,你会使用哪个,为什么?从我在网上找到的论文和定义来看,我还没有找到它们之间的区别,而是使用了一个而不是另一个.

谢谢你的帮助.

opencv terminology computer-vision homography affinetransform

11
推荐指数
2
解决办法
7048
查看次数