Posso interrompere la riesecuzione di Esplora testo dopo ogni aggiunta di frase / aggiunta di stopword / o azione di ricodifica?Ciao a tutti,
Ho un grande corpus che sto curando che ha bisogno di un bel po 'di lavoro. Sto scoprendo che il processo si impantana troppo spesso quando Text Explorer si riavvia automaticamente ogni volta che completi un'azione. Ad esempio, se ricodico un singolo termine, viene eseguito lo script standard di Esplora testo (ad es. Tokenizzazione, fraseggio, stemming ...) che può richiedere 20-40 secondi ogni volta. Devo ricodificare centinaia di termini che hanno avuto errori OCR durante la creazione di file di testo. C'è un modo in cui posso disattivare questo comportamento in modo da poter fare, ad esempio, 100 ricodifiche e quindi rieseguire lo script?
Ri: Posso interrompere la riesecuzione di Text Explore dopo ogni aggiunta di frase / aggiunta di stopword / o azione di ricodifica?Usa il triangolo rosso-> Opzioni termine-> Gestisci ... opzione.
Finestra di dialogo per gestire le parole stop
Ri: Posso interrompere la riesecuzione di Text Explore dopo ogni aggiunta di frase / aggiunta di stopword / o azione di ricodifica?Grazie per la risposta. Forse sto facendo qualcosa di sbagliato qui, ma il mio flusso di lavoro attuale è il seguente:
1) apri la mia tabella ed esegui il mio ultimo script di Text Explorer salvato.
2) scorrere l'elenco delle frasi, selezionare le frasi che vorrei approfondire e utilizzare “Aggiungi frase” per aggiungerle all'elenco dei termini.
3) scorrere l'elenco dei termini, selezionare i termini o le frasi aggiunte di recente che desidero utilizzare come parole di arresto e utilizzare "aggiungi parola di arresto" per aggiungerli all'elenco di parole di arresto.
4) scorrere l'elenco dei termini, selezionare i termini che vorrei ricodificare e utilizzare la finestra di dialogo di ricodifica per farlo.
Ogni volta che compio una delle azioni nei numeri 2, 3 o 4, lo script di analisi del testo viene eseguito e richiede tempo.
Quando finisco una sessione di cura del Corpus, vado alla sezione Gestisci le parole di arresto, gestisco le frasi o gestisco il dialogo ricodificato e prendo tutti i termini o le frasi, che sono stati memorizzati nella colonna "locale" e li invio alla colonna delle proprietà della colonna . Ogni volta che lo faccio, Text Analysis cambia ancora di più. Se non lo faccio, tutto il mio lavoro andrà perso la prossima volta che apro JMP.
Quando ho fatto questo, salvo Text Explorer come script della tabella di dati e salvo la mia tabella di dati.
La parte dolorosa qui è che deve attendere che il testo Explorer venga rieseguito, ripetutamente, ogni volta che ricodico, aggiungo parole di stop, aggiungo frasi o invio i miei risultati temporanei dal cestino "locale" del "Gestisci x "Dialoga con il cestino delle proprietà della colonna.
Il mio corpus ha circa 5.000 articoli di riviste full-text e ho molte ore di cura davanti a me a causa di molti errori di importazione del testo, documenti relativamente lunghi (6-20 pagine di testo) e le risultanti liste a lungo termine e di frasi.
Sono fuori dal mio ufficio per il giorno, ma domani, inserirò la mia tabella di dati per soddisfare il limite di dimensione massima e lo lascerò su questo post per chiunque possa provarlo e vedere cosa intendo.
Mi farebbe risparmiare un sacco di tempo se potessi impedire a Explorer di testo di rieseguire dopo ogni azione di curation, ed eseguirlo periodicamente quando voglio aggiornare i miei elenchi.
Sono ancora una specie di principiante di Explorer di testo, quindi forse il mio processo per la cura di Corpus è completamente sbagliato. Gradirei molto qualsiasi suggerimento!Ri: Posso interrompere la riesecuzione di Text Explore dopo ogni aggiunta di frase / aggiunta di stopword / o azione di ricodifica?@ErnestPasour
Ri: Posso interrompere la riesecuzione di Text Explore dopo ogni aggiunta di frase / aggiunta di stopword / o azione di ricodifica?Penso che potrei (principalmente) risolvere questo problema, almeno in un modo che sembra funzionare per me. La chiave stava salvando l'elenco dei termini, l'elenco delle frasi e il rapporto derivante come tabelle di dati. Quindi, potrei lavorare in queste tabelle per aggiungere una colonna indicatrice per decidere se aggiungere o meno il termine, la frase o la radice alle interfacce "Gestisci parole stop" o "Gestisci frasi". Una volta terminato di contrassegnare termini, frasi o parentesi in queste tabelle, ho potuto sottoinsegnare ciascuno di essi con il "sì" e quindi incollarli direttamente nella casella delle proprietà della colonna dell'interfaccia "Gestisci x". In questo modo, non perdo tempo ad aspettare l'aggiornamento dopo aver preso ogni decisione.
Inoltre, ho preso un campione casuale di 1000 dischi dal mio corpus più grande prima di fare qualsiasi lavoro di questo tipo. Ho curato questo esempio e poi ho copiato le proprietà della colonna finale nel set di dati completo. In questo modo, quando è stato eseguito l'aggiornamento, non ci è voluto molto tempo. Ancora... sarebbe bello poter avere una preferenza di piattaforma per disattivare l'aggiornamento automatico ed eseguirlo solo quando lo si desidera, forse come un semplice pulsante di aggiornamento.
