Znajdowanie zdań, fraz, słów w zadanym tekście. Jak to zrobić?

Znajdowanie zdań, fraz, słów w zadanym tekście. Jak to zrobić?
CH
  • Rejestracja:ponad 4 lata
  • Ostatnio:prawie 2 lata
  • Postów:449
0

Jest tabela z przykładowymi tekstami coś na zasadzie sprawdzanie pracy czy to plagiat. Czyli np są zdania, które należy wyszukać w zadanym tekście:

  • Za górami za lasami | za gorami za lasami (alternatywa bez polskich ogonkow)
  • Babciu dlaczego masz takie duze uszy? | uszy ? | uszy ( bo nie wiadomo jak ktoś stawia znaki i czy w ogole je stawia)

Teraz mam jakiś tekst źródłowy gdzie ktoś napsiał bajkę:
Czemu babciu masz takie wielkie uszy ??? zdziwil sie kapturek

Jest jakiś projekt z ciekawym algorytmem który np powiedziałby że to zdanie moze miec 90% plagiatu?

Dałem taki przykład ale od czegoś trza zaczac

markone_dev
Do czego to potrzebujesz? Ciekawość czy projekt w firmie lub na studia?
CH
potrzebuje dla swojego wewnetrznego projektu. klient np przysyla reklamacje, i jesli system rpzeanalziuje dany text i znajdzie w bazie pewne fragmenty ktore pasuja, to wysle mu automatyczna odpowiedz bez udzialu osoby ktora by tracila czas na rozpatrywanie tego
markone_dev
A chcesz taki full-text search bo tak to się fachowo nazywa implementować samemu czy skorzystać z gotowego narzędzia? Samemu to samobójstwo chyba że rozwalasz zadanka Leetcode na hard w dwie minuty :)
CH
samemu nie dam rady tak szybko zrobic tego, chetnie skorzystam z narzedzi ktore moge zaimplementowac w jakis tam sposob. i nie wiem anwet co to jest Leetcode
lion137
  • Rejestracja:około 8 lat
  • Ostatnio:3 minuty
  • Postów:4884
1

Są do tego narzędzia w internecie.


CH
Nie no dzieki, to jest cenna infromacja, dziekuje, moj mentorze
KamilAdam
  • Rejestracja:ponad 6 lat
  • Ostatnio:8 dni
  • Lokalizacja:Silesia/Marki
  • Postów:5505
2
chomikowski napisał(a):

Jest jakiś projekt z ciekawym algorytmem który np powiedziałby że to zdanie moze miec 90% plagiatu?

Czy ten jest wystarczająco ciekawy https://blog.lantkowiak.pl/index.php/2017/03/16/jak-wykrywac-plagiaty-czesc-druga/ ?


Mama called me disappointment, Papa called me fat
Każdego eksperta można zastąpić backendowcem który ma się douczyć po godzinach. Tak zostałem ekspertem AI, Neo4j i Nest.js . Przez mianowanie
CH
to moze byc to, dzieki
LukeJL
  • Rejestracja:około 11 lat
  • Ostatnio:minuta
  • Postów:8399
0
chomikowski napisał(a):

Jest jakiś projekt z ciekawym algorytmem który np powiedziałby że to zdanie moze miec 90% plagiatu?

projekt to nie wiem, ale jest taka działka programowania NLP (natural language processing) i tam być może należy szukać odpowiedzi..


markone_dev
  • Rejestracja:około 3 lata
  • Ostatnio:około 3 godziny
  • Postów:811
0

To czego szukasz to Full-Text Search (FTS). Zakładam, że masz bazę relacyjną. Więc jeżeli jest to MS SQL Server to ma to wbudowane i mogę polecić. Używałem produkcyjnie do wyszukiwania tekstu w dokumentach i wyświetlania różnicy (co się zmieniło, co zostało dodane i co zostało usunięte) pomiędzy wersjami (coś jak diff w systemach kontroli wersji) https://docs.microsoft.com/en-us/sql/relational-databases/search/full-text-search?view=sql-server-ver16.

Postgres też ma, ale nie korzystałem produkcyjnie, tylko w celach naukowych więc nie wypowiem się za bardzo https://www.postgresql.org/docs/current/textsearch-intro.html

Na potrzeby jednego czat-bota (Q&A) korzystałem z Apache Lucene i działało to całkiem całkiem https://lucene.apache.org/

Na koniec jak chciałbyś mieć dedykowaną usługę do searcha to możesz postawić sobie Elastic Search i zmigrować dane na których będziesz robić zapytania tam, i na ES odpalać zapaytania z jakiegoś frontendu (ale to wyższa szkoła jazdy).

Proponowałbym więc zacząć od czegoś co masz już wbudowane w silnik bazy danych.

Jest jeszcze NLP ale to już dopiero wyższa szkoła jazdy i nie dla początkujących


Programujący korpo architekt chmurowy.
Udzielam konsultacji i szkoleń w obszarze szeroko pojętego cloud computingu (Azure, AWS) i architektury systemów IT. Dla firm i prywatnie.
DevOps to proces nie stanowisko.
edytowany 2x, ostatnio: markone_dev
Kliknij, aby dodać treść...

Pomoc 1.18.8

Typografia

Edytor obsługuje składnie Markdown, w której pojedynczy akcent *kursywa* oraz _kursywa_ to pochylenie. Z kolei podwójny akcent **pogrubienie** oraz __pogrubienie__ to pogrubienie. Dodanie znaczników ~~strike~~ to przekreślenie.

Możesz dodać formatowanie komendami , , oraz .

Ponieważ dekoracja podkreślenia jest przeznaczona na linki, markdown nie zawiera specjalnej składni dla podkreślenia. Dlatego by dodać podkreślenie, użyj <u>underline</u>.

Komendy formatujące reagują na skróty klawiszowe: Ctrl+B, Ctrl+I, Ctrl+U oraz Ctrl+S.

Linki

By dodać link w edytorze użyj komendy lub użyj składni [title](link). URL umieszczony w linku lub nawet URL umieszczony bezpośrednio w tekście będzie aktywny i klikalny.

Jeżeli chcesz, możesz samodzielnie dodać link: <a href="link">title</a>.

Wewnętrzne odnośniki

Możesz umieścić odnośnik do wewnętrznej podstrony, używając następującej składni: [[Delphi/Kompendium]] lub [[Delphi/Kompendium|kliknij, aby przejść do kompendium]]. Odnośniki mogą prowadzić do Forum 4programmers.net lub np. do Kompendium.

Wspomnienia użytkowników

By wspomnieć użytkownika forum, wpisz w formularzu znak @. Zobaczysz okienko samouzupełniające nazwy użytkowników. Samouzupełnienie dobierze odpowiedni format wspomnienia, zależnie od tego czy w nazwie użytkownika znajduje się spacja.

Znaczniki HTML

Dozwolone jest używanie niektórych znaczników HTML: <a>, <b>, <i>, <kbd>, <del>, <strong>, <dfn>, <pre>, <blockquote>, <hr/>, <sub>, <sup> oraz <img/>.

Skróty klawiszowe

Dodaj kombinację klawiszy komendą notacji klawiszy lub skrótem klawiszowym Alt+K.

Reprezentuj kombinacje klawiszowe używając taga <kbd>. Oddziel od siebie klawisze znakiem plus, np <kbd>Alt+Tab</kbd>.

Indeks górny oraz dolny

Przykład: wpisując H<sub>2</sub>O i m<sup>2</sup> otrzymasz: H2O i m2.

Składnia Tex

By precyzyjnie wyrazić działanie matematyczne, użyj składni Tex.

<tex>arcctg(x) = argtan(\frac{1}{x}) = arcsin(\frac{1}{\sqrt{1+x^2}})</tex>

Kod źródłowy

Krótkie fragmenty kodu

Wszelkie jednolinijkowe instrukcje języka programowania powinny być zawarte pomiędzy obróconymi apostrofami: `kod instrukcji` lub ``console.log(`string`);``.

Kod wielolinijkowy

Dodaj fragment kodu komendą . Fragmenty kodu zajmujące całą lub więcej linijek powinny być umieszczone w wielolinijkowym fragmencie kodu. Znaczniki ``` lub ~~~ umożliwiają kolorowanie różnych języków programowania. Możemy nadać nazwę języka programowania używając auto-uzupełnienia, kod został pokolorowany używając konkretnych ustawień kolorowania składni:

```javascript
document.write('Hello World');
```

Możesz zaznaczyć również już wklejony kod w edytorze, i użyć komendy  by zamienić go w kod. Użyj kombinacji Ctrl+`, by dodać fragment kodu bez oznaczników języka.

Tabelki

Dodaj przykładową tabelkę używając komendy . Przykładowa tabelka składa się z dwóch kolumn, nagłówka i jednego wiersza.

Wygeneruj tabelkę na podstawie szablonu. Oddziel komórki separatorem ; lub |, a następnie zaznacz szablonu.

nazwisko;dziedzina;odkrycie
Pitagoras;mathematics;Pythagorean Theorem
Albert Einstein;physics;General Relativity
Marie Curie, Pierre Curie;chemistry;Radium, Polonium

Użyj komendy by zamienić zaznaczony szablon na tabelkę Markdown.

Lista uporządkowana i nieuporządkowana

Możliwe jest tworzenie listy numerowanych oraz wypunktowanych. Wystarczy, że pierwszym znakiem linii będzie * lub - dla listy nieuporządkowanej oraz 1. dla listy uporządkowanej.

Użyj komendy by dodać listę uporządkowaną.

1. Lista numerowana
2. Lista numerowana

Użyj komendy by dodać listę nieuporządkowaną.

* Lista wypunktowana
* Lista wypunktowana
** Lista wypunktowana (drugi poziom)

Składnia Markdown

Edytor obsługuje składnię Markdown, która składa się ze znaków specjalnych. Dostępne komendy, jak formatowanie , dodanie tabelki lub fragmentu kodu są w pewnym sensie świadome otaczającej jej składni, i postarają się unikać uszkodzenia jej.

Dla przykładu, używając tylko dostępnych komend, nie możemy dodać formatowania pogrubienia do kodu wielolinijkowego, albo dodać listy do tabelki - mogłoby to doprowadzić do uszkodzenia składni.

W pewnych odosobnionych przypadkach brak nowej linii przed elementami markdown również mógłby uszkodzić składnie, dlatego edytor dodaje brakujące nowe linie. Dla przykładu, dodanie formatowania pochylenia zaraz po tabelce, mogłoby zostać błędne zinterpretowane, więc edytor doda oddzielającą nową linię pomiędzy tabelką, a pochyleniem.

Skróty klawiszowe

Skróty formatujące, kiedy w edytorze znajduje się pojedynczy kursor, wstawiają sformatowany tekst przykładowy. Jeśli w edytorze znajduje się zaznaczenie (słowo, linijka, paragraf), wtedy zaznaczenie zostaje sformatowane.

  • Ctrl+B - dodaj pogrubienie lub pogrub zaznaczenie
  • Ctrl+I - dodaj pochylenie lub pochyl zaznaczenie
  • Ctrl+U - dodaj podkreślenie lub podkreśl zaznaczenie
  • Ctrl+S - dodaj przekreślenie lub przekreśl zaznaczenie

Notacja Klawiszy

  • Alt+K - dodaj notację klawiszy

Fragment kodu bez oznacznika

  • Alt+C - dodaj pusty fragment kodu

Skróty operujące na kodzie i linijkach:

  • Alt+L - zaznaczenie całej linii
  • Alt+, Alt+ - przeniesienie linijki w której znajduje się kursor w górę/dół.
  • Tab/⌘+] - dodaj wcięcie (wcięcie w prawo)
  • Shit+Tab/⌘+[ - usunięcie wcięcia (wycięcie w lewo)

Dodawanie postów:

  • Ctrl+Enter - dodaj post
  • ⌘+Enter - dodaj post (MacOS)