m-tanaka https://blog.hatena.ne.jp/m-tanaka/ アラフォーPMm-tanakaの日記 https://m-tanaka.hatenadiary.org/ .Net テキストマイニング ちょっと思うところがあって、テキストマイニングに挑戦中。 まずは、対象となるテキストを集める必要があるのだが、多くのドキュメントはWordやExcel、PDFで保存さているのでこれらのドキュメントからテキストを抽出する必要がある。 そこで、http://sqljunkies.com/HowTo/C4AC6E97-8D84-411D-8551-08CE63EC99B6.scuk ここを参考に、IFilterを使用して、テキストを抽出するプログラムを書いてみた。もとのプログラムを動かしてみたところ、ちょっとバグっぽいところがあったのでそれを修正したのと、 PDFやHTMLにも対応できるようにしてみ… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fm-tanaka.hatenadiary.org%2Fentry%2F20080129%2Fp1" title="ドキュメントからテキストのみを抽出する - アラフォーPMm-tanakaの日記" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2008-01-29 00:00:00 rich https://m-tanaka.hatenadiary.org/entry/20080129/p1 1.0 100%