一款语料处理 Python 辅助工具，能自动计算标注偏移量，各位看看是否有帮助
nthhdy · 2019-08-03 20:19:00 +08:00 · 19631 次点击这是一个创建于 1946 天前的主题，其中的信息可能已经有所发展或是发生改变。
为公司帮助处理语料时做了 ltext 这个工具。
基本思路是，把文本和标注（用偏移量表达）封装在一个对象中，对外模拟字符串类型的接口做各种文本操作，比如 replace 和 strip 等方法。在这些方法执行时，改动文本同时操作偏移量。
请各位看看这个情景多不多，封装是不是恰当？
或者还需要增加什么功能。目前只实现了 replace、re_replace 两个方法。
 |
1
nthhdy OP 觉得没说清楚，补充一些
情景是，有一批文本，先用算法预标注，再给人工改标注。人工需要知道每条文本的来源和种类，这就要把这些信息和文本拼在一起，最后再转化回原始文本。加信息和转化回原文本，都有随着文本一起改动标签的需求。 最近这个项目枯萎了。工具到这个程度，它适用的范围也不能小规模论证了。所以想请 nlp 专业人士和爱好者们一起打磨这个想法。 |
Select Language