有啥通过语义理解提取信息的轮子？# Programming - 葵花宝典
W*o
1 楼
比如给一个url，从里面提取 地址，价格，和 电话好吗等信息
各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
有啥information extraction现成的轮子满足这个需求不？
各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
有啥information extraction现成的轮子满足这个需求不？
x*u
2 楼
你首先得搞个爬虫把文本dump出来吧，剩下的就是词槽问题了，微软还是谷歌应该有云
pi可以训练的
regex
【在 W***o 的大作中提到】
: 比如给一个url，从里面提取 地址，价格，和 电话好吗等信息
: 各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
: 有啥information extraction现成的轮子满足这个需求不？
pi可以训练的
regex
【在 W***o 的大作中提到】
: 比如给一个url，从里面提取 地址，价格，和 电话好吗等信息
: 各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
: 有啥information extraction现成的轮子满足这个需求不？
n*2
3 楼
antlr
regex
【在 W***o 的大作中提到】
: 比如给一个url，从里面提取 地址，价格，和 电话好吗等信息
: 各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
: 有啥information extraction现成的轮子满足这个需求不？
regex
【在 W***o 的大作中提到】
: 比如给一个url，从里面提取 地址，价格，和 电话好吗等信息
: 各个网页的dom structure和 格式（比如地址格式）可能会很不一样，所以排除regex
: 有啥information extraction现成的轮子满足这个需求不？
W*o
4 楼
这个不用爬虫吧？单个的url，可以用各种soup/html parser 来把text 扒出来后再给
微软云吧？ 需要及时的，所以训练是否得提前进行？ 这个不现实，因为无法预测到所
有url
【在 x****u 的大作中提到】
: 你首先得搞个爬虫把文本dump出来吧，剩下的就是词槽问题了，微软还是谷歌应该有云
: pi可以训练的
:
: regex
微软云吧？ 需要及时的，所以训练是否得提前进行？ 这个不现实，因为无法预测到所
有url
【在 x****u 的大作中提到】
: 你首先得搞个爬虫把文本dump出来吧，剩下的就是词槽问题了，微软还是谷歌应该有云
: pi可以训练的
:
: regex
x*u
5 楼
我的意思是如果人家不让你批量dump，你得学爬虫绕过验证码什么的吧
【在 W***o 的大作中提到】
: 这个不用爬虫吧？单个的url，可以用各种soup/html parser 来把text 扒出来后再给
: 微软云吧？ 需要及时的，所以训练是否得提前进行？ 这个不现实，因为无法预测到所
: 有url
【在 W***o 的大作中提到】
: 这个不用爬虫吧？单个的url，可以用各种soup/html parser 来把text 扒出来后再给
: 微软云吧？ 需要及时的，所以训练是否得提前进行？ 这个不现实，因为无法预测到所
: 有url
相关阅读
新年快乐，15年全年水枪包scrum企图颠覆的是人性提供IBM内推，新成立的Apple+IBM 项目组有大量新增职位，重点是 (转载)求问个C# gc的问题两年前面过一次LinkedIn，经历过的最傻逼的一次面试 (转载)为什么你们都歧视阿三呢？我认识的印度女生都听温柔的 (转载)Telerik给我发了个优惠价邮件。替朋友的公司帮找两位资深Java Server端高手 (转载)围棋人机大战细则出炉 李世石最多拿到125万美元Job openings for SWE of all levels, and more (转载)被ICC坑死, 求推荐Android相关的Contractor职位请帮我看看这个java method? 一直不正常运行狗的dataflow是什么开源的赚钱之道（转载于微信）马公不是一个好职业。 (转载)不明白为啥std::nth_element不叫做kth_element请教 linux CentOSrealtime轮子deepstream.io请教一下，各位牛人觉得Rust语言怎么样？请教 怎么实现保存搜索结果的URL