移除常用词,但当要求返回可理解的内容时该如何操作?

我想知道是否可以通过某种方式(也许使用某种算法)对提交的文本(如下所示)进行概括(删除常用词)

猩红色和蓝色已经出现在俱乐部球衣上超过一百年,并且该俱乐部以“Blaugrana”而广为人知,这是指加泰罗尼亚语中这些颜色的名称。

但当被要求时,要利用保存的数据并返回可理解的内容。 也许不是完全相同的内容,而是你容易理解的内容。

这会用到人工智能吗? 现在有哪些方法可以做到这一点?

更新(为了澄清):我想知道计算机如何连接关键词以提供可理解的内容。 例如,将"Scarlet, blue, club, shirt"返回为"Scarlet and blue are the club shirt"


回答:

这里有两个不同的任务:

  1. 提取重要的信息。
  2. 生成有意义的内容。

为了完成这两个任务,你必须在 (1) 和 (2) 之间使用一些有意义的文本表示。 我能想到的最好的选择是使用本体。 首先从自由文本中提取事实并将它们放入本体中,然后从这个本体生成文本。 类似于这个。 无论如何,你需要提取事实,而不是关键词

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注