7.1.Маркировка фрагментов текста

7.1.1.На шаге Step 2 part a. Label Snippets of Interest в Extraction Tasks наша цель состоит в том, чтобы извлечь показатели дохода каждого подразделения компании из каждого квартального отчета. Мы начинаем с маркировки фрагментов текста в качестве примера дохода подразделения.

Рис.30 – Маркировка документов для идентификации необходимых фрагментов

7.1.2.В открытом документе 4Q2006.txt выделите часть текста: “revenues from Global Technology Services increased 7 percent (…) to $8.6 billion”. (Возможно потребуется прокрутка текста, или нажмите CTRL+F и введите искомый текст в окно Поиска) Щелкните правой кнопкой по выделенному тексту, и выберите Add Example with New Label (Добавить новый пример).

Рис.31 – Выбор необходимых фрагментов текста

7.1.3.В диалоговом окне Add New Label, как показано ниже, введите RevenueByDivision в поле Label Name и нажмите Finish.

Рис.32 – Add New Label

7.1.4.Созданный пример текста отобразится в Extraction Plan:

Рис.33 – Extraction Plan

7.1.5.Вернитесь к документу 4Q2006.txt в редакторе и выберите еще один фрагмент текста, требующий маркировки. Выделите “Revenues from the Systems and technology Group (S&TG) segment totaled $7.1billion”. Щелкните правой кнопкой и выберите Label Example As → RevenueByDivision.

Рис.34 – Добавление дополнительных примеров к ранее созданной текстовой метке

7.1.6.Новый пример появится в Extraction Plan:

Рис.35 – Новый пример метки появляется в Extraction Plan

7.2.Маркировка ключевых слов

На этом шаге мы маркируем ключевые слова в отмеченных фрагментах текста, которые мы выбрали как примеры. Эти ключевые слова помогут извлекать именно ту информацию, которая нам необходима.

Рис.36 – Новый пример метки появляется в Extraction Plan

7.2.1.Исследуйте примеры, маркированные как RevenueByDivision. В Extraction Plan щелкните по первому примеру под RevenueByDivision → Examples. Вы увидите выделенный желтым текст в документах. Повторите этот процесс для другого примера, чтобы увидеть, как в нем выделен другой фрагмент текста.

Рис.37 – Просмотр маркированных фрагментов текста

7.2.2.Исследуйте эти фрагменты. Как вы думаете, какие ключевые слова будут полезны для извлечения?

revenues from Global Technology Services increased 7 percent (…) to $8.6 billion Revenues from the Systems and Technology Group (S&TG) segment totaled $7.1 billion

Ниже представлены несколько ключевых слов, которые полезны для этого примера:

• Слово Revenues (Доходы)

• Division (Имена подразделений), такие как Global technology Services, Systems and Technology Group (S&TG)

• Amounts (Суммы), такие как $8.6 billion, $7.1 billion

Мы маркируем эти ключевые слова и добавляем в Extraction Plan. Процесс маркировки ключевых слов очень похож на маркировку фрагментов текста. Для начала давайте добавим ключевое слово "Revenues".

7.2.3.В файле 4Q2006.txt выделите "revenues" в фрагменте текста “revenues from Global Technology Services …” (см. рис. ниже), щелкните правой кнопкой и выберите Add Example with New Label.

Рис.38 – Идентификация подсказок в выделенных фрагментах текста

7.2.4.В поле Label Name введите Revenue и щелкните по RevenueByDivision, чтобы добавить его к полю Parent Label (Родительская метка). Таким образом, новая метка будет находиться внутри созданной ранее метки RevenueByDivision.

Рис.39 – Добавление подсказок в Extraction Plan

7.2.5.Новая метка появится в Extraction Plan в RevenueByDivision > Labels

Рис.40 – Вид окна Extraction Plan после добавления ключевого слова

7.2.6.Выполните следующие 4 шага, чтобы добавить другие ключевые слова: Amount (Сумма) и Division (Подразделение). Таким образом, вы добавите два примера и две метки:

Выделите Global Technology Services и щелкните правой кнопкой по нему, → выберите Add Example with New Label → введите Division для Label Name, и RevenueByDivision для Parent Label → нажмите Finish;

Выделите Systems and Technology Group (ST&G) и щелкните правой кнопкой по ней, → выберите Label Example As → Division;

Выделите $8.6 billion и щелкните правой кнопкой по нему, → выберите Add Example with New Label →, введите Amount для Label Name и RevenueByDivision для Parent Label → нажмите Finish;

Выделите $7.1 billion и щелкните правой кнопкой по нему, → выберите Label Example As → Amount.

После завершения этого шага у вас должно быть две метки: Division и Amount, с двумя примерами каждая, в RevenueByDivision, как показано ниже. Убедитесь, что ваш Extraction Plan соответствует рисунку:

Рис.41 – Окно Extraction Plan после добавления подсказки