У меня есть строка с несколькими предложениями. Как сделать первую букву первого слова в каждом предложении заглавной. Что-то вроде форматирования абзаца в word. например, "это какой-то код. Код на C#". Вывод должен быть "Это какой-то код. Код на...

Мне нужно обработать текстовый файл (электронную книгу). Я хотел бы обработать его так, чтобы в каждой строке было одно предложение («файл, разделенный новой строкой», да?). Как бы я выполнил эту задачу, используя утилиту sed для UNIX? Есть ли у...

Предположим, есть предложение типа «найди мне какую-нибудь джазовую музыку и сыграй», где весь текст нормализован и нет знаков препинания (вывод библиотеки распознавания речи). Какие онлайн/офлайн-инструменты можно использовать для «сегментации...

У меня есть параллельный корпус, который содержит около 100 000 выровненных абзацев на арабском и персидском языках. Мой корпус — это зашумленный корпус, абзацы которого являются неполным переводом друг друга (т. е. части арабских абзацев не...

Я ищу регулярное выражение, которое соответствует первому слову в предложении, исключая знаки препинания и пробелы. Например: «Это» в «Это предложение». и "Первый" в "Во-первых, я хотел бы сказать \"Привет!\"" Это не работает:...

У меня есть большая текстовая строка, и я пытаюсь разбить ее на предложения на основе «.?!». Но мое регулярное выражение почему-то не работает, может ли кто-нибудь помочь мне обнаружить ошибку? String str = "When my friend said he likes deep dish...

У меня есть список хорошо проанализированных документов, состоящих из нескольких абзацев (все абзацы разделены \n\n , а предложения разделены знаком "."), которые я хотел бы разбить на предложения вместе с номер, указывающий номер абзаца в...

Я использую WordPress и WP-O-Matic для автоматического извлечения содержимого из разных каналов. Содержимое написано заглавными буквами, из-за чего сообщения в блоге WordPress выглядят паршиво. Я пробовал использовать разные методы, но ни один из...

Пожалуйста, взгляните на следующее. String[]sentenceHolder = titleAndBodyContainer.split("\n|\\.(?!\\d)|(?<!\\d)\\."); Вот как я пытался разделить абзац на предложения. Но существует проблема. Мой абзац включает такие даты, как Jan. 13,...

Я считаю, что итератор "персонаж, воспринимаемый пользователем" (далее UPC) был бы очень полезен в библиотеке Unicode. Под UPC я подразумеваю смысл, обсуждаемый в приложении 29 стандарта Unicode , то есть то, что пользователь воспринимает как символ...

Я хочу извлечь содержимое из резюме с различными разделами, такими как навыки, сертификаты, опыт работы и т. д., с помощью НЛП и пометить их в соответствии с их категорией. Пока я могу написать базовые правила для извлечения текста по разным знакам...