問題タブ [summarization]

ユーザーのハイライトに基づいてテキスト内の最も重要な要素を取得する集計アルゴリズムを実行しようとしています。

n 個の単語を含むテキストがあり、そのテキストから k 個の連続する単語を「関連するハイライト」として選択できると想像してください。ここで、1<=k<=n です (k は n の部分文字列です)。

これらの k 個のハイライトを 10 から 10000 の範囲で選択すると仮定すると、最も重要な情報を判断できるアルゴリズムはありますか?

ハイライトの多くが重複することを考慮し、それを考慮する必要があります。また、Chrome拡張用であるため、javascriptでのソリューションを探していることも望ましいです。

これはクラス用ではなく、群集ベースの要約に関する個人的なプロジェクト用です。

私はこのテーブルを持っています：

クライアントごとにグループ化し、いくつかの指標を取得する必要があります。

結果は次のとおりです。

したがって、私は合計を取得していません (クライアント 10669 と 31259 は 2 倍でした)。

次のことも試しましたが、同じ結果が得られました。

いくつかの変数を data.table にまとめ、ワイド形式で出力し、おそらく変数ごとのリストとして出力したいと考えています。他のいくつかのアプローチではうまくいかなかったので、変数の名前を文字ベクトルとして指定して、外側のラップを実行しようとしました。with=FALSE を使用して、これらを渡したかったのです。

これではうまくいかないので、lapply を使わずにもっとシンプルな方法を試してみました。

これもうまくいきません。このようなことをする方法はありますか？「with」のこの動作は必要ですか? （列を選択するためだけに言及していることは承知して?data.tableいますが、私の場合、それらも変換できると便利です）

with=FALSE の場合、j は選択する名前または位置のベクトルであり、data.frame と同様です。with=FALSE は、data.table で列を動的に選択するのに役立ちます。

編集私の目的は、さまざまな変数について、グループごとに幅広い形式で要約を取得することです。変数のリストについて、1つの変数に対してのみ機能する以下を拡張しようとしました。

残念なことに、他の質問を投稿させてくれません。そこで、次のような出力が必要だと説明しました。

予想される出力は次のようになります。

SUM-Aggregation を使用して、サービス プロセスの期間を計算します。実行されたプロセスの各ステップは、呼び出し ID の下で Elasticsearch に保存されます。

これは私が監視するものです：

フィルター：

これは、プロセスの完全な期間を返し、プロセスのどの部分が最も速く、どの部分が最も遅かったかも教えてくれます。

次に、完了したすべてのプロセスの平均所要時間をserviceId 別に計算したいと思います。この場合、私は各サービスの合計期間のみを気にするので、それらを取得できます。

total_durations から平均、最小、最大を作成するにはどうすればよいですか?

編集: サンプル データをいくつか追加しました。

コール 1:

コール 2:

サービス ID #1 のすべてのサービス呼び出しの集計 これは私が計算したいものです:

私は Windows 7 を使用しており、Python 3.4 を使用しています

pypiからpyrougeをインストールするROUGEで作業しようとしています。

サイトhttps://pypi.python.org/pypi/pyrouge/0.1.2のインストール手順に従いました

しかし、コマンド：

実行しません。

コマンドプロンプトで試します：

そしてエラー：

何かお役に立てれば幸いです。ありがとう

3列のデータフレームがあります

各グループ (ID1、ID2) の最小値と、元のテーブルでのこの最小値の位置 (row.name) を回復する必要があります。

group_by と summarise を使用して min を取得しましたが、summary が集計されておらず、グループに使用されていない列を取り除くため、位置を取得する方法がわかりません。

これを解決して取得する方法についてのアイデアはありますか?

前もって感謝します