适用于大规模文档关键词抽取的利器(flashtext)
2018-01-21 17:22
162 查看
从文档中抽取关键词并对关键词相关的变体进行替换,是信息抽取中常用的做法之一,特别是基于规则词典的方法。常见的实现方式是基于正则表达式的方式,2017年的这篇文档介绍则实现了一种全新的算法及其实现原理:flashtext (Replace or Retrieve Keywords In Documents at Scale)。该方法的效率如下图所示:(时间效率上可以看出是一条平衡的直线,不随文档词的数量变化而变化。)
![](https://camo.githubusercontent.com/53e63b19336a7dfbe5d2874b70d73e37c4cd744d/68747470733a2f2f74686570726163746963616c6465762e73332e616d617a6f6e6177732e636f6d2f692f7872756635306e367a31723337746938726438392e706e67)
这个算法实际上就只有一个python类。虽然是针对英文的,不过经过测试,对中文同样适用。里面对英文还提供了对大小写敏感、空格等的处理。中文则不需要这样复杂。
这个算法实际上就只有一个python类。虽然是针对英文的,不过经过测试,对中文同样适用。里面对英文还提供了对大小写敏感、空格等的处理。中文则不需要这样复杂。
相关文章推荐
- Flashtext 使用文档 大规模数据清洗的利器-实现文本结构化
- 大规模数据清洗利器FlashText用法示例
- Flashtext:大规模数据清洗的利器
- Flashtext:大规模数据清洗的利器
- FlashText:语料库数据快速清理利器
- Python 文本替换利器flashtext
- 批量设置flash文档中TextField 使用设备字体
- 批量设置flash文档中TextField 使用设备字体
- dotnet环境下从PDF文档中抽取Text文本的一些方法汇总
- .net环境下从PDF文档中抽取Text文本的一些方法汇总
- 文档利器reStructuredText
- .net环境下从PDF文档中抽取Text文本的一些方法汇总
- BloomFilter ——大规模数据处理利器
- PHP实现仿百度文库,豆丁在线文档效果(word,excel,ppt转flash)
- Flash textfield styleSheet
- Debian最完美安装flash的教程//适用于所有linux版本
- 自动抽取批量rar文件中word文档的脚本(更新版本)
- BloomFilter——大规模数据处理利器
- Java操作Html文档利器---Jsoup
- 从所给文档中显示出所含关键词的那一行