問題タブ [nlp]

ドキュメントがどの言語で書かれているかをおおよそ知る方法（プログラム、ライブラリ）はありますか？

i18n対応のCMS（Drupal）にインポートするために、混合言語のテキストドキュメント（〜500K）がたくさんあります。

完全に一致する必要はありません。推測するだけです。

ユーザーがルール エンジンを使用して構築した AST に相当するものがあります。しかし、ルールのリストを表示するときは、各ルールを見栄えのするものに「きれいに印刷」できるようにしたいと考えています**。内部的には、文字列として表されると、s 式のように見えるので、次のようなものを想像してください。

ルールを読みやすく表示するのに優れたプログラムを誰か教えてもらえますか?

** ローカライズも必要ですが、それは追加の功績のために残しておくことにします。

私は自動テキストサマライザーを設計しています。このプロジェクトの主要なモジュールの 1 つはTRAINING CORPUSを必要とします。TRAINING CORPUSを提供するか、リンクを参照してダウンロードしてください。期待して感謝

これは私の最初の質問なので、意味が十分に伝わるかどうかわからないので、少し緊張しています. ともあれ、いざ……。

プログラミングの新しいマイルストーンに到達するたびに、常に共通の目標が 1 つあるように思われます。

機械語、オペコード/ニーモニック、プロシージャ/関数、構造体、クラス (OOP) などは、常に、より自然で理解しやすく保守しやすい方法でプログラムを計画、構造化、コーディングするのに役立ちました。

もちろん、関数型プログラミングは決して目新しいものではありませんが、近年、ある種のルネッサンスを経験しているようです。また、Microsoft が F# を主流のプログラミング言語に追加することで、FP が大幅に強化されると考えています。

元の質問に戻りますが、プログラミングは最終的には制限や規則がほとんどない自然言語 (英語) で行われると思います。コンパイラは、コードから情報を抽出する AI/NLP システムの一部になります。テキストと言うべきか、コンパイラがコンパイルできる中間言語に変換します。

では、FP はプログラミングを自然言語プログラミングに近づけるのでしょうか?それともむしろ障害であり、主流の OOP が私たちを自然言語プログラミングにより速く導くのでしょうか?

この質問は、自然言語プログラミングの使いやすさや実現可能性について議論するために使用すべきではありません。未来だけが教えてくれるからです。

文、段落、または記事のトーンが否定的か肯定的かを判断するアルゴリズムが必要です。

例えば：

Jason は私が今まで見た中で最悪の SO ユーザーです (-10)

Jason は SO ユーザーです (0)

Jason は私が今まで見た中で最高の SO ユーザーです (+10)

ジェイソンは SO (-10) を吸うのが得意です

一方、SO では大丈夫ですが、Jason は悪いことをするのが一番苦手です (+10)

簡単じゃないでしょ？:)

誰かがこのアルゴリズムを説明してくれるとは思っていませんが、どこかの学界でこのようなことについてすでに多くの研究が行われていると思います。いくつかの記事や調査を教えていただければ幸いです。

ありがとう。

次のようなコマンドのリストを受け入れるウィンドウ用の自動化プログラムについて読んだことを覚えています。

などなど 誰でもこのプログラムに名前を付けることができますか? 1000ありがとう。

ポートフォリオ管理ツールの社内 Web サイトを開発しています。多くのテキスト データ、会社名などがあります。「もしかして: xxxx」というクエリに非常に迅速に応答するいくつかの検索エンジンの機能に、私は本当に感銘を受けました。

ユーザーのクエリをインテリジェントに取得し、生の検索結果だけでなく、「もしかして?」で応答できる必要があります。可能性の高い代替回答がある場合の応答など

[私はASP.NETで開発しています(VB - 私に反対しないでください!)]

更新: OK、何百万もの「無料ユーザー」なしでこれをどのように模倣できますか?

• 「既知」または「正しい」用語ごとにタイプミスを生成し、ルックアップを実行しますか?
• 他のよりエレガントな方法はありますか？

コードゴルフシリーズはかなり人気があるようです。数値を単語表現に変換するコードに出くわしました。いくつかの例は次のようになります (プログラミングを楽しむための 2 のべき乗):

• 2 -> 2
• 1024 -> 千二十四
• 1048576 -> 百万四十八千五十七六

私の同僚が思いついたアルゴリズムは、ほぼ 200 行の長さでした。それを行うためのより簡潔な方法があるようです。

現在のガイドライン:

• 任意のプログラミング言語での提出を歓迎します (これについて最初に明確さを欠いていたことについて、PhiLho に謝罪します)。
• 2^64 の最大入力 (単語については、次のリンクを参照してください。mmeyers に感謝します)
• 英語出力のショート スケールが望ましいですが、任意のアルゴリズムを歓迎します。使用する方法について、プログラミング言語とともにコメントするだけです。

あいまい文字列検索用の高性能 Java ライブラリを探しています。

同様の文字列、レーベンシュタイン距離、Daitch-Mokotoff Soundex、n-gram などを見つけるアルゴリズムは多数あります。

どのような Java 実装が存在しますか? それらの長所と短所は？私は Lucene を知っていますが、他のソリューションまたは Lucene が最適ですか?

私はこれらを見つけました、誰もそれらの経験がありますか？

• シムメトリクス
• NGramJ

CMS サイトの構築を担当するユーザーがフォームで最大 10 個のカスタム フィールドを定義できるようにする SaaS アプリケーション要件があります。このフィールド定義の一部として、正規表現として保存 (および実行時に適用) するフィールド検証オプションを追加します。

正規表現を構築するためのウィザード スタイルのフロント エンドを提供するツール、コード サンプルなどはありますか。（疑似）ユーザーフレンドリーな用語（可能であれば自然言語に近い）から正規表現を生成するコントロールまたはコードを.NETサイトに埋め込むことを検討しています。

例: フィールド 1 = (5 つの英数字) の後に (1 ～ 3 の数字)、その後に「-」、その後に 1 つの英字