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。 |