intelligentsearch's Introduction
intelligentsearch's People
intelligentsearch's Issues
Собрать тестовую базу для апробации классификатора.
Большинство классификаторов работают как с эвристическими правилами (составлены человеком) так и со статистическими данными, полученными в результате обработки тестовой коллекции документов.
Поэтому нужно подготовить тестовую коллекцию для работы классификатора.
DAO слой для работы с БД
"Общение" с БД должно осуществляться через промежуточный слой данных, который будет инкапсулировать тип хранилища с которым работает приложение.
Обучение классификатора
На имеющейся тестовой базе нужно обучить классификатор, а также проверить корректность обучения. Для этого можно сделать перекрестную проверку:
разделить тестовые документы на две части и сначала провести обучение на первой половине, а проверку на второй, а потом сделать наоборот.
Токенизация фамилий с инициалами.
Некоторые токены представлены в виде И.О. Фамилия. Что может при некоторых вариантах парсинга приводить к потери инициалов. Например, М.С.Горбачев будет токенизирован как:
массив ["М",".","С",".","Горбачев"].
Список стоп-символов
После фазы токенизации остается получаем много токенов, которые можно расценивать как "шумовые" или "мусор". Особенно это касается знаков пунктуации.
Также в список будут включены наиболее часто встречаемые слова в базе: предлоги, цифры, местоимения и т.д.
Recommend Projects
-
React
A declarative, efficient, and flexible JavaScript library for building user interfaces.
-
Vue.js
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
-
Typescript
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
-
TensorFlow
An Open Source Machine Learning Framework for Everyone
-
Django
The Web framework for perfectionists with deadlines.
-
Laravel
A PHP framework for web artisans
-
D3
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
-
Recommend Topics
-
javascript
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
-
web
Some thing interesting about web. New door for the world.
-
server
A server is a program made to process requests and deliver data to clients.
-
Machine learning
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
-
Visualization
Some thing interesting about visualization, use data art
-
Game
Some thing interesting about game, make everyone happy.
Recommend Org
-
Facebook
We are working to build community through open source technology. NB: members must have two-factor auth.
-
Microsoft
Open source projects and samples from Microsoft.
-
Google
Google ❤️ Open Source for everyone.
-
Alibaba
Alibaba Open Source for everyone
-
D3
Data-Driven Documents codes.
-
Tencent
China tencent open source team.