文本知识格提取小组汇报内容ppt课件_第1页
文本知识格提取小组汇报内容ppt课件_第2页
文本知识格提取小组汇报内容ppt课件_第3页
文本知识格提取小组汇报内容ppt课件_第4页
文本知识格提取小组汇报内容ppt课件_第5页
已阅读5页，还剩7页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

1、文本知识格提取小组汇报内容陈瑛 王嘉炜 凯秋雯2021.11.16对1975年到2021年的SIGMOD论文，利用PDFBox包进展部分函数的改写，实现文本知识格的提取与优化文本知识格的范畴：定义(Definition)、算法(Algorithm)、举例(Example)、命题Proposition、引理(Lemma)、定理(Theorem)小组义务识别一切以Algorithm为算法识别一切以Proposition为开头的命题识别一切以Definition开头的定义识别一切以Example为开头的例子详细义务定义算法举例命题错误举例现阶段问题与处理思绪010102020303如何识别文本知识格

2、的末尾识别末尾标识符句号等等如何消除存储到txt时产生的乱码可以只思索保证普通文本的正确性，特殊符号不思索如何消除分页导致的文本分割图像可分开截取后进展拼接可以因防止转换产生乱码；另可以将论文首先转换为txt格式，识别出文本后在PDF中进展查找与截取可行思绪寻觅除了PDFBox之外的其他可用java包并进展比对与选择将pdf转为word或txt以后进展识别，然后将文本单独存储为图片将pdf转化为word以后乱码较少，将pdf转化为txt不会出现分页的问题机器学习方法进展提取时间富余的话比较考验规那么的完善性。但由于时间比较紧张，短期无法到达预期01010202030311.1612.2011.3012.31进度安排数据校正，保证数据的正确性学习相关代码，找出现存问题，寻觅更优的识别规那么，设计相应算法1.25提取初步结果，并对算法进展进一步的修正探求其他方法学习代码，了解代码，并胜利运转搜集整理原始代码运转结果，统计提取的胜利率，对

人人文库> 全部分类> 应用文书 > 工作计划

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论