非结构化文本到结构化数据

Question

我正在寻找参考资料（教程，书籍，学术文献）有关结构化非结构化文本的方式类似于谷歌日历快速添加按钮。

我知道这可能属于NLP类别，但我只对“Levi jeans size 32 A0b293”这类产品的开发过程感兴趣

收件人：品牌：Levi，尺码：32，类别：牛仔裤，代码：A0b293

我认为这将是词汇分析和机器学习技术的结合。

我是语言不可知者，但如果被推，则喜欢Python、Matlab或C++参考文献

谢谢

Answer 1

你需要提供更多关于文本来源的信息（网络？用户输入？），域名（只是衣服吗？），潜在的格式和词汇。。。

假设最坏的情况下，你需要开始学习NLP。一本很好的免费书是NLTK的文档：http://www.nltk.org/book。这也是对Python的一个很好的介绍，SW是免费的（用于各种用途）。警告：NLP很难。它并不总是有效的。有时候不好玩。最先进的技术离你想象的不远。

假设一个更好的场景（你的文本是半结构化的）一个好的免费工具是pyparsing。有一本书，大量的例子和产生的代码是非常有吸引力的。

我希望这能有帮助。。。

Answer 2

可能看看托比·塞加拉的《集体智慧》。我似乎记得在一章中谈到了这一点。

Answer 3

经过一番研究，我发现这个问题通常被称为信息抽取问题，我收集了一些论文并把它们存放在门德雷的收藏中

http://www.mendeley.com/research-papers/collections/3237331/Information-Extraction/

泰维斯还指出，NLTK for python是一个很好的起点，本书的this一章专门关注信息提取