代币化产品模型
Tokenizing Product Models
希望匹配一些产品信息，返回结构化数据并重写或查找值。
示例输入：
"I have a 1999 Cat (D-6) and an Ingersoll Rand Model Z for sale"
我想从中创建类似
的内容
[ { year:1999, brand:"CATERPILLAR", model:"D6" },
{ year:null, brand:"INGERSOLL-RAND", model:"MODEL Z" } ]
根据已知数据：
/\d{4}/, YEAR
...
/cat(erpill[ae]r)/, BRAND, "CATERPILLAR"
...
/d[\-\s]6/, MODEL, "D6"
这可以单独使用 Regex 来完成吗？还是我需要 Lexer？
我可以毫无问题地理解正则表达式，但对重写部分以及将事物组合在一起感到困惑
我想你想提取汽车交易细节。
这里你需要NLP，你可以使用Stanford Core NLP设计你自己的NLP正则表达式或者你可以训练一个数据集。
但是 Stanford NER 是开发的模型，它将为您提供日期和时间、组织以及位置、人员、百分比和价格等实体。
其他相关工具：apache openNLP , aylien
希望匹配一些产品信息，返回结构化数据并重写或查找值。
示例输入：
"I have a 1999 Cat (D-6) and an Ingersoll Rand Model Z for sale"
我想从中创建类似
的内容[ { year:1999, brand:"CATERPILLAR", model:"D6" },
{ year:null, brand:"INGERSOLL-RAND", model:"MODEL Z" } ]
根据已知数据：
/\d{4}/, YEAR
...
/cat(erpill[ae]r)/, BRAND, "CATERPILLAR"
...
/d[\-\s]6/, MODEL, "D6"
这可以单独使用 Regex 来完成吗？还是我需要 Lexer？
我可以毫无问题地理解正则表达式，但对重写部分以及将事物组合在一起感到困惑
我想你想提取汽车交易细节。
这里你需要NLP，你可以使用Stanford Core NLP设计你自己的NLP正则表达式或者你可以训练一个数据集。
但是 Stanford NER 是开发的模型，它将为您提供日期和时间、组织以及位置、人员、百分比和价格等实体。
其他相关工具：apache openNLP , aylien