文本挖掘与斯卡拉

Question

我有以下数据的.txt文件：

L666371 +++$+++ u9030 +++$+++ m616 +++$+++ DURNFORD +++$+++ Lord Chelmsford seems to want me to stay back with my Basutos. 
L666370 +++$+++ u9034 +++$+++ m616 +++$+++ VEREKER +++$+++ I'm to take the Sikali with the main column to the river 
L666369 +++$+++ u9030 +++$+++ m616 +++$+++ DURNFORD +++$+++ Your orders, Mr Vereker? 
L666257 +++$+++ u9030 +++$+++ m616 +++$+++ DURNFORD +++$+++ Good ones, yes, Mr Vereker. Gentlemen who can ride and shoot 
L666256 +++$+++ u9034 +++$+++ m616 +++$+++ VEREKER +++$+++ Colonel Durnford... William Vereker. I hear you 've been seeking Officers? 

我想要导入的文本文件导入斯卡拉（我做了），然后通过提取所有有关它的工作文本。之后：标记，小写，忽略单词形式，单独标点符号，之后我想要学习单词的计数，如下所示：unigram，bigram和trigram count，以最高计数排序结果。

有人可以告诉我怎么实现吗？我有以下的尝试，但它似乎并不奏效：

import io.Source 
val s = Source.fromFile("movie_lines.txt")("ISO-8859-1") 
val lines = s.getLines 
val str = s.mkString 

val Pattern = "([A-Z]+.!)".r`enter code here` 

Pattern.findAllIn(str).foreach { x => println(x) } 

println ("\n This is the result\n")`enter code here` 
    } 

Answer 1

可以使用Epic库从ScalaNLP西装preprocesing文字（符号化），然后解析，标签和提取实体。