Question

我们正在努力导入大量的简历，预先标记它们关键字取决于文本块中的某些模式（每个简历平均约3500个单词）。

例如，如果文本块包含＆＃34; codeigniter＆＃34;或＆＃34; codeignitor＆＃34;或者＆＃34;代码点火器＆＃34;或者＆＃34;代码点火器＆＃34;，它应该考虑原始单词＆＃34; codeigniter＆＃34; （在某种规则中定义）然后我们将标记该行以包含该关键字（codeigniter）。

我正在思考以下几点：

$rules = array(
    "keywords" => array("codeigniter","php","mysql"),
    "match_relevance" => 0.8
);

$text_analysis = $search_lib->search($rules,$text_block);

然后文本分析将返回：

print_r($text_analysis);

array(
    "codeigniter" => 8,
    "mysql" => 4
)

以上可能是对其完成方式的过度简化，但我正在寻找一些方法，以一种相对类似的方式实现这一目标。

解决方案无需特定于任何编程语言。（可以是php，python等）

我知道我可以使用其他技术（如全文搜索或其他搜索引擎，如（Sphinx，Solr，Lucene等））获得类似的结果，但这个用例特别要求文本预处理，因为我们希望标记记录。

Answer 1

不是名称实体识别和链接你在说什么？有很多关于这个问题的研究和大量的技术（开源或非开源）以获得可接受的结果。

我建议： - 研究名称实体识别和链接的基础知识 - 为您的用例定义知识库（或使用可用的知识库） - 实现一个能够提取和链接文本中实体的解决方案，您可能对开源解决方案感兴趣[1] - 将其与搜索引擎集成，以便找到简历

[1] http://stanbol.apache.org

大致多个关键字匹配的文字预处理

1 个答案: