Cerco alcuni buoni esempi di pulizia/estrazione di testoIl mese prossimo terrò un workshop sugli strumenti di testo JMP all'US Discovery e sono alla ricerca di esempi validi e realistici di estrazione di informazioni dal testo. Probabilmente dedicherò più tempo al testo strutturato, ma ho intenzione di discutere di espressioni regolari e testo non strutturato. Se avete esempi che vorreste condividere, sono interessato a conoscerli. Non devono essere lavori impegnativi, semplici ma anche interessanti. Il mio piano è di inviare via email ai partecipanti il testo prima del workshop con informazioni su ciò che deve essere realizzato. Dedicheremo il workshop a discutere le soluzioni.
Re: Cerco alcuni buoni esempi di pulizia/estrazione di testoI dati dei report economici del Beige Book (in allegato) potrebbero essere utili. A partire dal 1981, i report presentano sezioni separate da intestazioni tra doppie parentesi graffe (ad esempio, {{Banche}} o {{Occupazione}}). È possibile utilizzare espressioni regolari per estrarre solo il testo da determinate sezioni per ulteriori analisi.
Una delle sfide è la variabilità del testo dell'intestazione per un dato concetto/argomento, ad esempio {{Finanza}} rispetto a {{Banca}}. Ma questo potrebbe essere solo un ulteriore livello di difficoltà.
