Q

过滤大量文本信息

2011-06-10 41 views 1 likes

1

是否有最佳做法，算法或软件（需要许可证的开放源码...）可以从文本正文中找到信息？我指的是：过滤大量文本信息

找到一个文本的所有电子邮件地址
找到所有提及的城市
找到所有提及的状态
找到的所有URL
找到所有提到的电话号码
找到所有提及邮编的......与添加更多的功能...

我听说RapidMiner应该能够像这样进行文本挖掘，但AGPL并不是我的目的的可接受许可证。

有没有什么'标准'做这种分析？

2011-06-10 CharlesS

A

回答

1

阅读关于Named Entity Recognition。您可以尝试Apache OpenNLP或Apache UIMA，这两者都具有Apache许可证。

2011-06-10 20:55:15

+0

好的术语“命名实体识别”是我错过的关键字！我读了两本关于数据挖掘的书，并没有遇到这种情况。谢谢！ – CharlesS 2011-06-11 08:05:21

1

对于这样的实体类型，您可以使用基于规则的NER工具，如gexp。

2011-06-12 15:41:33 yura

相关问题