목록 정의

조직의 부서 이름, 판매 우선순위, 의회 위원회 또는 군대 계급과 같은 표준화된 용어를 사용하여 값을 추출할 경우 목록에서 필요한 용어를 식별할 수 있습니다.

1. 캔버스 도구 모음에서 을 클릭하십시오.
2. 사전의 이름을 지정하십시오. 설명을 포함하여 이름을 확장할 수 있습니다. 매우 긴 텍스트는 결과 표시에서 잘리지만 사전 위로 마우스를 이동하면 전체 설명을 읽을 수 있습니다.
3. 추출기 특성 아래의 설정 탭에서 각 용어를 수동으로 입력하거나 파일에서 목록을 로드하십시오. 각 항목의 최대 길이는 1024자입니다.

• 용어를 수동으로 지정하려면 를 클릭하고 용어를 입력한 후 입력을 누르십시오. 행당 한 개의 용어를 입력하십시오.
• 별도의 줄에 각 용어가 있는 UTF-8 텍스트 파일에서 용어를 로드하려면 를 클릭합니다. 가져오기 시 오류가 표시되면 줄 바꾸기 또는 백스페이스와 같은 인쇄 불가능한 문자가 파일에 포함되지 않았는지 확인하십시오.

맵핑 테이블 정의

의미는 같지만 철자가 다른 용어인 동의어 또는 인코딩된 값이 포함된 파일을 분석할 경우, 맵핑 테이블을 정의하여 텍스트에 있는 용어를 원하는 용어에 맵핑할 수 있습니다.

맵핑 테이블은 검색 테이블 또는 키-값 쌍 테이블과 유사합니다. 맵핑 테이블을 정의할 수 있는 인스턴스의 예로는 다음과 같은 일치 항목이 있습니다.

• Margaret에 맵핑되는 Maggy 및 Peggy와 같은 닉네임
• I.B.M.과 같은 조직 이름의 약어 및 대체 형식, 일반적으로 사용되는 이름 IBM에 대한 IBM Deutschland 및 International Business Machines
• 로그 파일의 HTML 오류 코드를 변환할 때의 404 - File Not Found
• 지역 코드 408 - California

최고의 성능을 위해 텍스트 추출 단계 후 두 번째 단계에서 길거나 복잡한 맵핑 테이블을 사용하십시오.

1. 캔버스 도구 모음에서 을 클릭하십시오.
2. 사전의 이름을 지정하십시오. 설명을 포함하여 이름을 확장할 수 있습니다. 매우 긴 텍스트는 잘리지만 사전 위로 마우스를 이동하면 전체 텍스트가 표시됩니다.
3. 추출기 특성 아래의 설정 탭에서 용어 맵핑을 클릭하십시오.
4. 수동으로 또는 파일에서 로드하여 열이 두 개인 테이블을 작성하십시오. 첫 번째 열에는 텍스트에서 검색할 용어가 포함되고, 두 번째 열에는 결과에서 생성할 값이 나열됩니다. 항목의 최대 길이는 1024자입니다. 용어가 첫 번째 열에서 반복되는 경우 맵핑된 첫 번째 값만 사용됩니다.

• 용어를 수동으로 지정하려면 를 클릭하고, 용어 및 맵핑된 값을 입력한 후 Enter를 누르십시오.
• ASCII 또는 UTF-8 텍스트 파일에서 각 항과 해당 맵핑된 값을 하나의 쉼표로 구분하여 별도의 행에 로드하려면 을 클릭하십시오. 가져오기 시 오류가 표시되면 줄 바꾸기 또는 백스페이스와 같은 인쇄 불가능한 문자가 파일에 포함되지 않았는지 확인하십시오.

정규식 예

다음은 특정한 경우에 사용될 수 있는 Java 정규식의 예입니다. 패턴 설명에서 A는 문자를 나타내고 9는 숫자를 나타냅니다. Java 구문에 관한 자세한 정보는 Class Pattern Javadoc을 참조하십시오.

• 하나 이상의 숫자로 구성된 서수 다음에 th, st, nd 또는 rd(21st, 2nd, 3rd 등)가 오는 텍스트를 선택하려면 다음을 지정하십시오.

  \d+(st|nd|rd|th)
  

• 999-99-9999처럼 형식화된 미국의 주민등록번호가 포함된 텍스트를 선택하려면 다음을 지정하십시오.

  \d{3}\-\d{2}\-\d{4}
  

• A9A-9A9, A9A 9A9 또는 A9A9A9로 형식화된 캐나다의 우편 번호(예: K1G 3K9, V5g-4X3, x2H3m5)가 포함된 텍스트를 모두 선택하려면 다음을 지정하십시오.

  [a-zA-Z][0-9][a-zA-Z](-|)[0-9][a-zA-Z][0-9]
  

• A9 9AA, A99 9AA, AA99 9AA, A9A 9AA 또는 a9d AA9A 9AA로 형식화된 영국의 우편 번호(예: M1 1AE, B33 8TH, DN55 1PT, W1A 0AX, CR2 6XH, SW1A 2AA)가 포함된 텍스트를 선택하려면 다음을 지정하십시오.

  [A-Z]{1,2}[1-9][0-9]?[A-Z]?\s[0-9][A-Z]{2,}|GIR 0AA
  

• AA-99-AA-9999, AA-99-AAA-9999 및 AA-9-AA-9999(0이 선택사항인 주의 경우)로 형식화되고 하이픈 또는 공백과 같은 구분 기호를 사용하거나 구분 기호가 없는(예: TN-86-AF-1199, WB 06 F 5971 및 DL4CAF4943) 인도의 개인용 및 상용 차량의 번호판을 포함하는 모든 텍스트를 지정하려면 다음을 지정하십시오.

  [A-Z]{2}(-| |)\d{1,2}(-| |)[A-Z]{1,3}(-| |)\d{4} (M1 1AE, B33 8TH, DN55 1PT, W1A 0AX, CR2 6XH, SW1A 2AA)
  

순서 패턴의 예

군인이 언급된 부분을 선택하려면 다음을 수행하십시오.

1. Military Ranks, Warrant Officer, Sergeant 등의 용어가 포함된 Lieutenant라는 사전을 작성하십시오.
2. 캔버스에서 Military Ranks 사전 바로 다음에 Person 추출기를 끌어서 놓아 새 순서에서 계급을 찾은 후 이름을 찾는다는 것을 표시하십시오. Military Ranks 추출기 다음에 있는 남색 선은 텍스트 패턴의 Person 추출기 배치를 표시합니다.

마우스 단추를 놓으면 순서 오브젝트가 캔버스에 표시됩니다.

3. 캔버스에서 순서 오브젝트를 클릭하고 추출기 특성 아래에서 일반 탭을 여십시오. 순서 오브젝트 이름을 Military Personnel로 바꾸십시오.
4. 최종 추출기 규칙이 캔버스에 표시됩니다.

근접 규칙 추가

원하는 용어 사이에 발생할 수 있는 최대 토큰 수를 지정하는 근접 규칙입니다. 텍스트에서 각 단어 또는 문자를 일반적으로 토큰이라고 합니다. "The CEO announced the earnings last week, missing analyst estimates by 5%." 라는 문장에는 15개의 토큰이 포함되어 있습니다. 공백으로 구분된 11개의 단어와 3개의 특수 문자 및 1개의 숫자입니다.

house made of red brick, red house of brick 및 the brick on the house reflected red와 같은 문구가 분석할 텍스트에 표시될 수 있다는 점을 알고 red brick houses에 대한 참조를 찾을 수 있습니다. 근접 규칙을 사용하면 대상 용어들을 동시에 포함하는 문장 또는 문구(예: "The red car passed a house near the brick yard")를 제외하면서 이 문구를 추출할 수 있습니다.

1. 캔버스에서 추출기를 마우스 오른쪽 단추로 클릭하고 추가 서브메뉴 중 하나에서 근접 규칙을 클릭하십시오.
2. minimum-maximum 형식으로 용어 사이에 허용되는 단어, 특수 문자 또는 값의 최소 및 최대수를 지정하십시오. 기본적으로 근접 패턴은 범위에 지정한 두 수 사이의 토큰 개수와 일치하도록 설정됩니다. 원하는 근접 패턴이 다른 경우 설정을 변경할 수 있습니다. 예를 들면, 0-2를 입력하십시오.
3. 새 근접 규칙을 선택하십시오. 추출기 특성이 설정 탭에 열리고, 여기에서 숫자 범위를 변경하거나 정확한 토큰 개수로 변환할 수 있습니다.

예제 1:

1. Clerical title, Rabbi, Father 등의 용어가 포함된 Archbishop라는 사전을 작성하십시오.
2. 새 순서를 사용하여 이름이 뒤따라오는 직위를 찾도록 Person 추출기를 Clerical title 사전 오른쪽으로 끌어오십시오. 마우스 단추를 놓으면 순서 오브젝트가 캔버스에 표시됩니다.
3. Clerical title을 마우스 오른쪽 단추로 클릭하고 다음에 추가 > 근접 규칙을 클릭하십시오. Archbishop of Canterbury, Robert Runcie와 같은 용어를 캡처하려면 단어 사이 토큰의 최소수와 최대수를 지정하십시오. 이 경우 0-5입니다.
4. 일반 탭이 자동으로 열리지 않으면 캔버스에서 순서를 클릭한 후 추출기 특성에서 이 탭을 여십시오. Clerics 순서의 이름을 바꾸십시오.

예제 2:

또 하나의 예를 들면, 빅데이터 용어를 사용하여 산업 분석가의 Twitter 이름을 언급하는 트윗을 선택하십시오. 이 작업을 수행하려면 두 개의 사전(하나는 분석가의 Twitter 사용자 이름, 다른 하나는 빅데이터 용어)을 작성한 다음 0 - 25개의 토큰 근접도로 작업공간 캔버스에서 결합하십시오.

유니온 예제

계약에서 Parties라는 용어는 두 명의 개인, 두 조직 또는 한 명의 개인과 한 조직을 나타낼 수 있습니다. 당사자(parties)에 대한 정보를 추출하려면 두 개의 추출기 Party1 및 Party2를 정의하여 개인 또는 조직을 선택해야 합니다.

1. Person 분할 영역에서 캔버스로 Organization 및 Organization 추출기를 끌어오십시오.
2. 캔버스에서 각 추출기를 차례로 선택하고 두 추출기에 대해 열 정의가 동일하도록 추출기 특성의 출력 탭에서 출력 열의 이름을 바꾸십시오.

3. Organization 추출기를 Person 추출기 아래 놓기 영역으로 끄십시오.

4. 캔버스에서 Union 1을 선택하고 Party 1추출기 특성**의 일반 탭에서 이름을 **으로 지정하십시오.
5. Union 1을 복사하여 또 하나의 유니온을 작성하고 이름을 Party 2로 지정하십시오.
6. 계약에서 당사자(parties)를 찾으려면 여기에 표시된 것처럼 두 개의 유니온을 하나의 순서로 조합하십시오. 순서의 두 유니온 사이에 리터럴 and가 있습니다.

7. 새 순서 이름을 Legal Parties로 지정하십시오.

결과 표시에서 열 이름 바꾸기

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오.
2. 열 메뉴에서 이름 바꾸기를 선택하거나 간단히 열을 두 번 클릭하십시오.
3. 결과에 표시될 새 열 이름을 입력하십시오.

문자열 열 추가

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오.
2. 테이블의 왼쪽 열에서 열 관리 메뉴를 클릭하십시오.
3. 새 열을 클릭하십시오.

변환된 출력 열 추가

예를 들면, 출력을 모두 소문자로 변환하는 등 추출기의 출력을 변환할 수 있습니다. 추출기 특성 분할 영역의 출력 탭에서 이러한 변환을 수행하십시오.

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오.
2. 변환할 열의 머리글에서 드롭 다운 메뉴를 클릭하고 수행할 변환 유형을 선택하십시오.

잘라내기, 단일 열에서 새 열 작성 또는 두 개의 열에서 열 새로 작성을 선택한 열에 적용한 다음 문자열로 변환 또는 소문자 문자열로 변환을 선택하면 다른 새 열이 생성되지 않습니다. 그 대신에 이전에 선택한 잘라내기 또는 열 새로 작성에서 생성된 새 열에 문자열 변환이 적용됩니다.

결과 표시에서 열 숨기기

추출기 특성 분할 영역의 출력 탭에서 출력 열을 숨길 수 있습니다.

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오.
2. 테이블의 왼쪽 열에서 열 관리 메뉴를 클릭하십시오.
3. 결과 표시에서 제거할 열의 선택란을 선택 취소하십시오. 컨텐츠는 여전히 추출되지만 이 열은 결과에서 숨겨집니다.

결과 표시에서 열 삭제

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오.
2. 테이블의 왼쪽 열에서 열 관리 메뉴를 클릭하십시오.
3. 열 삭제를 클릭하고 결과 표시에서 제거할 열의 선택란을 선택하십시오.

중복 및 겹치는 결과 제거

텍스트가 둘 이상의 사전 항목과 일치하는 경우 추출기는 때때로 동일한 텍스트에 대해 여러 개의 행을 생성합니다. 중복 항목을 제거하거나 통합하려면 총합 규칙을 제공해야 합니다.

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하십시오.
2. 추출기 특성 분할 영역에서 출력을 클릭하십시오.
3. 겹치는 일치 항목 관리를 선택하십시오.
4. 출력 열 목록에서 추출기가 중복 출력을 생성하도록 한 열을 선택하십시오.
5. 방법 목록에서 다음 값 중 하나를 선택하십시오.
   • 항목 내에 포함 - 가장 긴 결과를 보존합니다.
   • 항목 내에 포함 안 함 - 가장 짧은 결과를 보존합니다.
   • 포함하지만 같지 않음 - 동일한 길이의 고유 결과를 보존합니다.
   • 정확하게 일치 - 각 결과의 인스턴스 하나를 보존합니다.
   • 왼쪽에서 오른쪽으로 - 가장 많은 수의 용어가 있는 가장 긴 결과를 왼쪽에서 오른쪽으로 보존합니다.

예를 들면, 군인이 언급된 부분이 포함된 문서의 추출기를 설계하고 있습니다. Chief Warrant Officer, Warrant Officer 및 Officer와 같은 군대 계급 목록이 포함된 사전을 작성 및 실행하고 나면 Chief Warrant Officer John Doe에 대해 다음과 같은 결과가 표시됩니다.

• Chief Warrant Officer John Doe
• Warrant Officer John Doe
• Officer John Doe

용어 Warrant Officer 및 Officer가 더 긴 용어인 Chief Warrant Officer에 있으므로 Chief Warrant Officer John Doe는 세 개의 사전 항목을 모두 충족하여 세 개의 결과 행을 생성하도록 합니다. 가장 중요한 순위를 나타내는 가장 긴 용어를 보존하려면 다음과 같이 통합 설정을 지정합니다.

1. 출력 열에서 Military Rank 선택
2. 방법에서 항목 내에 포함 선택

이제 Chief Warrant Officer John Doe 행만 결과에 포함됩니다.

외부 결과 필터링

패턴이 일치하더라도 추출기는 때때로 불필요한 결과를 생성합니다. 이러한 불필요한 결과는 문서에서 일치 항목 근처의 다른 텍스트에 의해 자주 인식됩니다.

일치를 추가로 제한하려면 필터를 작성하십시오.

1. 캔버스에서 결과를 생성한 추출기를 마우스 오른쪽 단추로 클릭하고 출력 편집을 클릭하십시오. 추출기 특성에서 출력 탭이 열립니다.
2. 포함 또는 제외를 선택하여 결과를 포함하거나 제외하십시오. 기본 설정은 포함입니다.

• 포함 필터는 결과를 포함하려면 충족되어야 하는 조건입니다.
• 제외 필터는 결과를 포함하려면 충족되지 않아야 하는 조건입니다.

3. 첫 번째 필터 드롭 다운 목록에서 필터를 적용할 열을 선택하십시오.
4. 그 다음 드롭 다운 목록에서 필터 유형을 선택하십시오. 필터에 따라 뒤이어 표시되는 드롭 다운 목록에 적절한 옵션이 반영됩니다.

5. 필터 옵션을 완료하면 추출기를 다시 실행하여 결과가 어떻게 변경되었는지 보십시오.

Military Ranks 추출기는 텍스트 Chief Warrant Officer John Doe에 대해 일치 항목을 생성하지만, 사용자는 일치 항목 앞에 단어 except가 있는 결과는 포함하지 않으려고 합니다.

1. except 용어와 결과를 제외하는 데 사용하려는 다른 용어가 포함된 사전을 작성하십시오.
2. 캔버스에서 Military Ranks를 선택하고 추출기 특성에서 출력 탭을 여십시오.
3. 새 필터를 클릭하십시오.
4. 제외를 선택하고 열을 선택하십시오.
5. 범위 및 다음 뒤에 나타남를 선택하십시오.
6. except가 포함된 사전을 선택하십시오.
7. 열 및 사이 0 - 2 토큰을 선택하십시오.

이 필터에서는 일치 전에 0-2개 토큰 내에 except라는 단어가 있는 모든 일치를 제외합니다.