Kmeans，bag of word，word嵌入文本分类CSV文件并检索相关数据

Question

我有两件事要做。你知道吗

1）我必须提取任何包含发票数据的CVS文件的头文件。 具体而言：发票号码、地址、位置、实物。 我被要求为这个任务创建一个文本分类器，因此分类器将遍历任何CVS文件并识别这4个标题。你知道吗

2）在分类器识别出4个单词后，我必须找到附加该列的数据并创建一个类。你知道吗

我研究了这个问题，我认为必须采用的三种方法是： 1） 坏话 2） 文字嵌入 3） K-均值聚类

单词包可以识别单词，但它没有给我单词本身的位置，以便我去抓取列并创建类。你知道吗

我相信，对于这个任务来说，wordembedded过于复杂了，即使给我文件中单词的位置也太耗时了

K-means似乎简单而有效，它告诉我单词在哪里。你知道吗

我开始编码前的问题

我错过什么了吗。我的推理正确吗？ 最重要的是第二个问题 一旦在CSV文件中确定了单词的位置，我将如何将其转换为编码，以便将数据附加到该列中

Answer 1

我只想：

• 查看文件的第一行（标题）；
  • filter在要查找的列名之外，使用enumerate，这样结果将包含列索引
  • 从筛选结果中检索列索引
• 迭代文件的其余部分；
  • 使用这些索引从每行/每行中提取特定列的数据
    • 把这些数据放在一个容器中以备以后使用（可能使用一个列表）