检索文档的逻辑
检索文档的逻辑
提问于 2012-04-27 13:30:02
在当今时代，我们对每件事都有大量的信息。有时，信息是巨大的，而不是数字化的。从一些类似的手册中找出具体的信息，以便实时地给用户提供基本信息，您会开发什么样的逻辑格式？用户无需阅读所有文档。您是否首先将文档转换为类似的结构？有什么建议吗？
编辑：
我知道这是某种文本搜索问题。让我举一个例子，使这个问题变得有点集中：
MANUAL1：(为加利福尼亚)
Table of content
...
Precautions:
1.) The operator must use synthetic gloves to handle chemicals
...MANUAL2：(用于Minesotta)
Table of content
...
Precautions:
1.) Use polymer gloves while being in any contact with hazardous chemicals
...现在，该程序的用户只需对“处理有害化学品”进行查询，该程序应该给他以下两个选项：
- 操作人员必须使用合成手套来处理化学品
- 在接触危险化学品时使用聚合物手套
非常感谢。
回答 1
Stack Overflow用户
回答已采纳
发布于 2012-04-27 14:47:38
含蓄地说，你至少有五个层次的“重组”需要应对。
- 我如何整理加州的手册？(文件集)
- 如何从纯文本文件中提取文本？HTML？PDF？一份文字文件？(文件物理格式)
- 我如何识别章节，章节，标题，副标题，标题，表格？(文档级别的语义)
- 如何解析纯文本以提取意义？(句子层面的语义)
- 我如何处理同义词和整个部分的关系？(本体论)
当你意识到“与任何接触”与“处理”有关时，你的问题就意味着某种句子层次的语义和本体论分析。
您可能会查看IBM的Watson项目，以了解如何从大量数据中提取意义和一些新的本体方法。
对于这些问题，您的方法应该是具体的还是广义的？这在一定程度上取决于语料库的界限。你是在处理谷歌搜索“化学品”时出现的任何文件，还是仅仅是加州环保局公开提供的文件？
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/10351550
复制相关文章
相似问题
腾讯云开发者
