NLP 人工生成的字幕 [关闭]答案

【问题标题】：NLP Human Generated Captions [closed]NLP 人工生成的字幕 [关闭]
【发布时间】：2020-05-10 17:34:02
【问题描述】：

我需要高质量的人工生成字幕。如何查询维基百科存储的字幕。示例返回所有包含单词直升机的标题

【问题讨论】：

请添加更多详细信息，说明您到目前为止所尝试的内容。包括，代码和过程。你爬过维基百科页面吗？
欢迎来到 Stack Overflow。请参观了解 Stack Overflow 的工作原理，并阅读 How to Ask 了解如何提高问题的质量。然后编辑您的问题以包含您作为minimal reproducible example 的源代码，其他人可以对其进行编译和测试。也可以查看help center，看看你可以问什么问题。
Nikhil...我不知道从哪里开始...查询字幕...我需要数据，人工生成的字幕。你知道我如何查询 wikicommons 标题
“查询字幕”是什么意思？您的意思是要从 wikipedia/wikicommons 网页中提取与标题相关的文本？
我需要人工生成的字幕。所以我想提取尽可能多的包含直升机这个词的人工生成的字幕。我认为 wiki 有大量图像，但我对图像不感兴趣，但我对标题感兴趣。所以我想从维基百科下载所有包含直升机这个词的字幕

标签： nlp artificial-intelligence wikipedia

【解决方案1】：

您不能查询 Wikipedia 标题（当然，您可以在屏幕上抓取它们）。虽然 Wikimedia Commons 有一些机器可读的标题（它是 in the process 转换到更结构化的数据格式）但转储尚不可用（请参阅 T221917 和 T174031）所以你可能不会最好使用这些。

如果您不需要大量数据，您可以查看 Commons 的每日图片，其标题存储在一个单独的页面上，名称可预测，Template:Potd/YYYY-MM-DD_(LL)（例如https://commons.wikimedia.org/wiki/Template:Potd/2020-05-01_(en)）。不过，您仍然需要进行一些轻量级的 wikitext 或 HTML 解析。

【讨论】：

谢谢你，这是一个开始