在r和快速挖掘器中执行元数据提取和标记

Question

我有一个问题说明，要从power演示文稿文件中执行元数据提取，并使用R或快速minner.So执行文档标记，我需要帮助了解如何在这两个工具中读取ppt文件，然后执行文本处理。

Answer 1

我只是注意到我在你重复的问题上回答了这个问题，所以我在这里删除了我的答案，并在这里添加了对其他用户更有帮助的答案。

我最近在RapidMiner支持网站上回答了一个非常类似的问题。Reading Powerpoint with RapidMiner

我将在这里重现答案: PPPTX文件是简单的ZIP目录，其中包含告诉Powerpoint将内容的每个部分放在何处的XML文档。所有幻灯片内容都存储在: /ppt/slides/ slide1.xml、slide2.xml等中(其他目录可用于存储幻灯片注释和其他内容)。

要使用RapidMiner读取它，只需使用operator Loop Zip-File条目，并将参数内部目录设置为ppt/slides，这将遍历上述所有xml文件。

在嵌套操作符内部，使用Read Document操作符集仅提取内容类型为XML的文本。这将提取演示文稿中每张幻灯片的内容。

这回答了你问题的第一部分。对于第二部分，一旦将文本放入，就可以使用任何RapidMiner文本处理操作符。