Du text mining

Bonjour,
J'ai un fichier de sous-titrage de vidéo et mon objectif est de résumer la vidéo.
Pour cela, mon idée est, dans un premier temps, de supprimer les parties ne contenant pas les mots-clés de la requête de l'utilisateur.

Ci-joint un fichier .srt déjà divisé en 125 parties. J'ai envie de créer un vecteur ou une liste dont chaque élément est une partie de ce fichier.
Une fois que j'aurais etabli la liste des mots-clés, j'ai envie de retourner les parties ne contenant que ces mots-clés.

Merci.

Bonjour,
Je reformule ma question.
Supposons que j'ai ce fichier :

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

1 00:00:00,000 --> 00:00:04,034 Now we're gonna talk about text processing. The most basic and fundamental   2 00:00:04,034 --> 00:00:09,016 tool we have for text processing is the regular expression. And regular expression   3 00:00:09,016 --> 00:00:13,068 is a formal language for specifying text strings. So let's suppose that we're   4 00:00:13,068 --> 00:00:18,069 looking for woodchucks in a text document, Woodchucks can be expressed in a number of   5 00:00:18,069 --> 00:00:23,014 ways. We could have a singular woodchuck, we could have the plural S at the end. We   6 00:00:23,014 --> 00:00:26,093 could have a capital letter at the beginning, or a lower case, and any

---

et je cherche à le découper et stocker dans un vecteur de la sorte :

Code:

---

1 2 3

S1<- :00:00:00,000 --> 00:00:04,034 Now we're gonna talk about text processing. The most basic and fundamental

---

c'est-à-dire la 1ère partie,

Code:

---

1 2 3

S2<- 00:00:04,034 --> 00:00:09,016 tool we have for text processing is the regular expression. And regular expression

---

la 2ème partie, etc...

Merci.

Bonjour,
finalement j'ai fait ainsi:

Code:

---

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21

#library(ISwR) library(stringr) kk <- read.delim("D:/script_R/srt_files/srtfile.srt",sep="\t", as.is=TRUE) names(kk) class(kk) kk <- as.matrix(kk) num <-ifelse(str_detect(kk[,1], "^[1-9]")==TRUE,1,0) num <- matrix(num,ncol=1) aa <- which(num>0) # les numeros des lignes de coupures aa <- c(aa,length(kk[,1])) # on ajoute le num de derniere ligne   N <- length(aa) # nombre de segments S <- list() p <- 1 q <- 1 for (i in aa){ S[[q]] <- assign(paste("S",q,sep=""),cbind(kk[p:i-1,1])) q <- q+1 p <- i+2 }

---