知识卡片
替换规则需要限定匹配边界
示例按一组字符串替换移除公司后缀、展开职位缩写,是便于起步的规则,不是语义识别。str.replace会替换所有匹配子串,未自动限定在后缀或完整词上,且前面的变换会影响后面的输入;规则需要明确适用位置和顺序,保留原值以检查误改与同名合并。
职位组合拆分也有边界问题:直接按and子串切分不等于识别独立连词,可能破坏包含该子串的单词。应将拆分规则和职位语境对应,不能只扩大分隔符列表就假定覆盖正确。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 2 处
- · 查看原书依据
companies[i].replace(*transform) pt = PrettyTable(field_names=['Company', 'Freq']) pt.align = 'l' c = Counter(companies) [pt.add_row([company, freq]) for (company, freq) in sorted(
- · 查看原书依据
separators = ['/', 'and', '&'] csvReader = csv.DictReader(open(csv_file), delimiter=',', quotechar='"') contacts = [row for row in csvReader] # Normalize and/or replace known abbre
参考来源
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.2 标准化数据以便分析》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u049-ch03-011)。
- 结论依据:原文在“companies[i].replace(*transform)”附近的定义、例子或代码支撑本卡核心说明:示例按一组字符串替换移除公司后缀、展开职位缩写,是便于起步的规则,不是语义识别。边界按已读前提解释;示例未执行。
- 原始内容:companies[i].replace(*transform) pt = PrettyTable(field_names=['Company', 'Freq']) pt.align = 'l' c = Counter(companies) [pt.add_row([company, freq]) for (company, freq) in sorted(
- 位置:《社交网站的数据挖掘与分析(原书第2版)》第3章《3.3.4 聚类算法》(spine79;extracted/OReilly精品图书系列共21册(《Javascript权威指南》、《机器学习:实用案例解析》、《编写可读代码的艺术》、《算法精解》等)/_epub-src/text/part0068.html;u051-ch03-011)。
- 结论依据:把and等字符串直接当分隔符,可能拆开原词内部子串而不是连词。
- 原始内容:separators = ['/', 'and', '&'] csvReader = csv.DictReader(open(csv_file), delimiter=',', quotechar='"') contacts = [row for row in csvReader] # Normalize and/or replace known abbre