在信息提取方面，我是新手。在过去的几天里，我读了很多学术论文并订购了一本关于NLP的书。我想弄清楚如何构建一个类似FlipDog.com的系统（希望不是从头开始）。他们从60,000多家公司网站上提取职位空缺。我该如何开始？
我愿意学习任何编程语言。有没有人使用过Mallet / GATE / MinorThird或RoadRunner？理想情况下，我希望能够使用特定于我的域的数据集训练系统，并让它根据该数据集提取信息。你会为此目的推荐哪个平台？
谢谢！
答案 0 :(得分：3)
提取工作机会的最快方法是使用dapper.net（来自网站的网络scraping服务）。您可以非常轻松地使用可视化编辑器教授精确的数据提取数据。在您拥有表格的目标网站上，它可以很好地工作。
要了解信息提取，我建议从lingpipe开始。它是一个用于信息抽取的Java框架，因此您无需学习框架的体系结构特定功能，例如Gate或Apache UIMA。在lingpipe网站上，你会发现很多教程，可以帮助你学习各种信息提取方法。之后我建议学习Gate和UIMA。
如果你想要实现这样一个网站，你还需要学习如何使用网络爬虫框架（例如nutch），网络搜索引擎（yahoo, google, bing）和信息检索引擎（如as，apache lucene）在提取的数据之上提供搜索服务。
更新
对于python，最好从：http://www.nltk.org/
开始