Привет! Часто в работе аудитора приходится сталкиваться с задачей text mining, при выполнении которой приходится использовать множество инструментов, в том числе производить поиск ошибок в тексте и их исправление. Предлагаю разобраться с этой задачей.

Устали фильтровать данные в excel? Тогда присоединяйтесь! Вы узнаете, как с помощью Python осуществить поиск строк в файле по ключевым словам в столбцах.

Одна из самых популярных на сегодняшний день python-библиотек для работы с текстами на естественном языке – NLTK (Natural Language Toolkit) – содержит большой список готовых токенизаторов.
Возникает вопрос, какой же токенизатор выбрать для решения конкретной задачи. Для ответа на него необходимо понимать, как работает тот или иной токенизатор, на какие блоки он может разбить исходный текст. В этой статье я постараюсь описать работу токенизаторов, входящих в состав NLTK, чтобы вопрос выбора стал несколько проще. Все примеры будут приведены с использованием русского языка.

Добрый день, друзья!
Сегодня мы продолжим рассматривать Spark, в частности расскажем о способах конфигурирования SparkSession.

Scala – развивающийся язык программирования. Его также называют улучшенной версией Java. Широкой публике он стал известен как язык разработки популярных соц.сетей: Linkedin, Twiter, WhatsApp.
Как применять его для автоматизированного сбора информации? Рассмотрим на практике: как написать парсер, используя этот инструмент.