问题标签 [natural-language-processing]

我希望能够找到具有相同含义的句子。我有一个查询句子，以及一长串数百万其他句子。句子是单词，或称为符号的特殊类型的单词，它只是象征正在谈论的某个对象的一种单词。

例如，我的查询语句是：

示例：将 (x) 添加到 (y) 给出 (z)

我的数据库中可能已经存在一个句子列表，例如： 1. (x) 和 (y) 之和为 (z) 2. (x) 加 (y) 等于 (z) 3. (x) 相乘by (y) 不等于 (z) 4. (z) 是 (x) 和 (y) 之和

该示例应该匹配我的数据库中的句子 1、2、4 但不是 3。句子匹配也应该有一些权重。

它不仅仅是数学句子，它是任何可以根据单词含义与任何其他句子进行比较的句子。我需要一些方法来比较一个句子和许多其他句子，以找到具有密切相关含义的句子。即基于其含义的句子之间的映射。

谢谢！（标签是语言设计，因为我无法创建任何新标签）

我正在开发 Microsoft Azure 的文本分析服务。它可以很好地从给定的非结构化文本中找到情感和关键字提取，但我更感兴趣的是从给定文本中找出词性。是否有任何解决方法或方法来实现这一目标？

我无法理解此功能的职责。它像查找表吗？即返回每个id对应的参数（在ids中）？

例如，在skip-gram模型中如果我们使用tf.nn.embedding_lookup(embeddings, train_inputs)，那么对于每个train_input它找到对应的嵌入？

我的机器上安装了 PyTorch，但每当我尝试执行以下操作时 -

我收到以下错误。

如何安装torchtext？

我必须从 PDF 页面中提取文本，就像缩进到 CSV 文件中一样。

PDF教科书的索引页：

我应该将文本与页码一起拆分为类和子类类型层次结构。例如在图像中， Application server是类，Apache Tomcat是页码275中的子类

这是 CSV 的预期输出：

我已经使用 Tika 解析器来解析 PDF，但是在解析的内容中没有正确维护缩进（不是唯一的），以便将文本拆分为类和子类。

解析后的文本如下所示：

谁能建议我针对此要求的正确方法？

我有文本预处理功能，它只是删除停用词：

我想传递text_preprocessing()给另一个函数tf_idf()，它给出了我本质上所做的特征矩阵：-

我收到一个错误TypeError: 'function' object is not iterable

我想将文本分类为正面、负面或中性。因此，我构建了两个不同的 SVM。第一个在负面和正面/中性之间进行分类，另一个在正面和负面/中性之间进行分类。如果两个分类器不同意，则输入是中性的。现在我想要两个将这两个分类器组合成一个分类器，它给出文本是正负还是中性的输出。我听说过 Voting 分类器，但这无济于事，因为它必须在事后进行训练。有没有办法从这两个中制作一个分类器？

我想在python中找到输入词的基本形式

就像是

一个只处理常规形式的解决方案就可以了。但是，也可以处理不规则的答案将是完美的。

如果没有库可以做到这一点，那么 Web 服务也可以。

我想知道是否有办法分析列表中的名词。例如，如果有一种算法可以识别不同的类别，比如名词是“动物”、“植物”、“自然”等类别的一部分。我认为使用 Wordnet 可以实现这个结果，但是，如果我没记错的话，WordNet 中的所有名词都归类为“实体”。这是我的 WordNet 分析脚本：

结果是：[['entity']，['entity']，['entity']，['entity']，['entity']，['entity']]。

如果有任何可用的东西，有人可以建议我一些技术来检索名称所属的类别吗？提前致谢。

我正在研究一些包含日期的拉丁文本，并使用各种正则表达式模式和基于规则的语句来提取日期。我想知道我是否可以使用一种算法来训练来提取这些日期，而不是我目前使用的方法。谢谢

这是我的算法的摘录：