小编Mur*_*iel的帖子

我正在寻找一种从文本文档中提取“重要短语”的方法。希望使用 Spacy 做到这一点，但有一个警告：我的数据主要包含产品信息，因此重要的短语与自然口语中的短语不同。出于这个原因，我想在我自己的语料库上训练 spacy，但我能找到的唯一信息是使用标记数据训练 spacy。

有谁知道我想做的事情是否可行？

我想将文本中的换行符识别为句子的结尾。我尝试将其输入到 nlp 对象中，如下所示：

text = 'Guest Blogging\nGuest Blogging allows the user to collect backlinks'
nlp = spacy.load("en_core_web_lg")
config = {"punct_chars": ['\n']}
nlp.add_pipe("sentencizer", config=config)
for sent in nlp(text).sents:
    print('next sentence:')
    print(sent)

其输出是：

next sentence:
Guest Blogging
Guest Blogging allows the user to collect backlinks

我不明白为什么 Spacy 不将换行符识别为句子结尾。我想要的输出是：

next sentence:
Guest Blogging:
next sentence:
Guest Blogging allows the user to collect backlinks

有谁知道如何实现这一目标？

我想找到一种有效的方法来过滤RANK() OVERSQL 中的函数。

我有以下查询：

SELECT
    base.ITEM_SKU_NBR,
    RANK() OVER (ORDER BY SUM(base.NET_SLS_AMT) DESC) AS SLS_rank,
    RANK() OVER (ORDER BY COUNT(DISTINCT base.txn_id) DESC) AS txn_rank
FROM
    `my_table` base
GROUP BY
    1

返回此结果集：

现在我想过滤 is SLS_rank< 10 或txn_rankis < 10 的项目。理想情况下，我想在HAVING子句中执行此操作，如下所示：

SELECT
    base.ITEM_SKU_NBR,
    RANK() OVER (ORDER BY SUM(base.NET_SLS_AMT) DESC) AS SLS_rank,
    RANK() OVER (ORDER BY COUNT(DISTINCT base.txn_id) DESC) AS txn_rank
FROM
    `my_table` base
GROUP BY
    1
HAVING   
    SLS_rank < 10 OR txn_rank < 10

但 bigquery …