实战：用 spaCy 处理 700 万页石油天然气档案

oilmutt · x · 2026-08-17

作者正在构建一个针对 700 万页德克萨斯州石油天然气扫描记录的关键词搜索系统。通过 Python 中的 spaCy 库，系统能自动提取运营商、土地所有者和县名等实体信息。目前基于 200 万页数据，查找油井时间已缩短至 10 分钟内；目标是在完整数据集上实现类似 Google 的搜索效果，将原本需要 10 小时的搜索任务压缩至 30 秒内完成。