- 10
- 0
- 约9.33千字
- 约 56页
- 2018-11-02 发布于天津
- 举报
第二讲:文本处理章 ppt课件资料讲解.ppt
* 三、文档解析3.1 目的和任务 文档解析的目的 识别文档的内容和结构 并分析和抽取各种文档特征(为文档索引和信息检索服务) 文档解析的任务 通过词素切分、词法分析和语法分析,识别词语、元数据(发布日期、作者)、图、表等特征(形象比喻‘动物解剖’) 通过标记语法分析(识别文档中的标签和元数据),解析文档结构 解析结果:文档的结构和文档的内容表示(用于建索引) 文档解析关注的内容 不仅包括:构成文档内容的词素、词、短语 而且包括:与文档结构相关的重要话题、标记、标题、链接等 # 文档解析的目标? 文档解析关注的内容? 文档解析的具体任务? * 3.2 词素切分 词素切分(智能性) 指从文档中的字符序列中获取词的过程 对于英文相对简单(仍有短语,地名等识别问题),对于中文就非常困难 同时,还需做一些简单处理(大写换小写,忽略无意义字符) 例子:Bigcorp’s 2007 bi-annual report showed profits rose 10%.得到: bgcorp 2007 annual report showed profits rose 注意:这种简单处理有时是不合理的(P.53:大写,-,’,数字,有意义) 词素切分的基本思路 虽然词素切分考虑的因素复杂,但一种基本思路是:二次扫描! 第一遍,先识别文档标记/标签(利用特定解析器,如HTML解析器) 第二遍,对
您可能关注的文档
- 第二章_房地产市场调研2018研究报告.ppt
- 第二章_普通X线成像教学教案.ppt
- 第二章_细胞的概念和分子基础()讲义教材.ppt
- 第二章_细胞组织的适应和损伤改教学教案.ppt
- 第二章中医病理及诊断基础 ppt课件资料讲解.ppt
- 第二章会计要素与会计等式【课件】复习课程.ppt
- 第二章传输线理论_图文.ppt教学教案.ppt
- 第二章传输线理论培训教材.ppt
- 第二章信息处理系统培训教材.ppt
- 第二章共价键理论和分子结构2-1 H2+中的分子轨道及其共价键本质培训教材.ppt
- T∕CCMA 0198-2024 高原隧道电动工程机械用动力电池电性能要求及实验室试验方法 .docx
- T∕CES 211-2023 串联式电伴热带.docx
- T∕CCMA 0206-2024 混凝土机械 液压平衡阀.docx
- T∕CNCIA 01034-2024 非重复充装焊接钢瓶用水性涂料.docx
- 88JZ8 住宅厨卫排风道.docx
- T∕CES 266-2023 配电设施防洪涝设计规程.docx
- T∕CES 197-2023 电缆屏蔽用铝合金带 .docx
- T∕CECA-G 0053-2020 “领跑者”标准评价要求 电饭锅.docx
- T∕CERS 0128-2025 虚拟电厂运营商技术支持系统技术要求.docx
- T∕CPF 0094-2025 碳纤维包装箱 .docx
最近下载
- 公司招聘简章.pdf
- 大家的日语初级一 第24课 课件(版本2).pptx VIP
- 水冷散热器散热面积的计算.pdf VIP
- (高清版)DG∕TJ 08-2005-2021 城市轨道交通机电设备安装工程质量验收标准.pdf VIP
- 德育能手考试1.doc VIP
- 中 共福建省委党校在职研究生毕业论文开题报告.doc VIP
- Leber遗传性视神经病变.pptx VIP
- 2026年广东省深圳市南外集团中考英语一模试卷.docx VIP
- Unit 1 The Mass Media Integrated Skills 课件高中英语译林版(2020)选择性必修第二册.pptx VIP
- 2026年人教版六年级上册科学单元提升卷第二单元试卷.docx
原创力文档

文档评论(0)