问如何开始信息提取？
EN

Stack Overflow用户

提问于 2010-09-28 08:07:19

回答 1查看 2.7K关注 0票数 3

当涉及到信息提取时，我是一个新手。在过去的几天里，我阅读了大量的学术论文，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多个公司网站中提取职位空缺。我该如何开始？

我对学习任何编程语言都持开放态度。有没有人用过锤子/GATE/MinorThird或RoadRunner？理想情况下，我希望能够使用特定于我的领域的数据集训练系统，并让它基于该数据集提取信息。为此，您建议使用哪种平台？

谢谢!

回答已采纳

发布于 2010-10-04 02:06:11

提取招聘信息的更快方法是使用dapper.net (网站上的一种web scraping服务)。您可以很容易地教dapper使用可视化编辑器提取数据。当你的目标网站上有表格时，它工作得很好。

为了学习信息提取，我建议从lingpipe开始。它是一个用于信息提取的java框架，因此您不需要学习该框架的体系结构特定功能，例如Gate或Apache UIMA。在lingpipe网站上，你会找到许多教程，这些教程将帮助你学习各种信息提取方法。之后，我建议学习Gate和UIMA。

如果您想实现这样一个网站，您还需要学习如何使用web爬虫框架(如nutch)、web搜索引擎(yahoo, google, bing)和信息检索引擎(如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：

票数 3

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/3808780

复制

相似问题

问如何开始信息提取？EN