Java工具從文章中提取相關的關鍵字/標籤

Question

我在尋找基於Java的工具，用於從給定的文章提取相關標籤。 我需要一個基本上可以嘗試的工具，以確定給定文章的主要主題和術語。 感謝您的幫助。

Answer 1

您可以使用HtmlUnit解析文章的HTML和查詢你有興趣在搜索文檔的部分。然後，您可以應用自己設計的簡單算法來確定標籤/關鍵字。

例如像，split()上的空白，然後計算每個單詞出現的次數文本。發生得最多的詞（忽略諸如「和」，「」，「如果」等等）是關鍵詞的好選擇。

Answer 2

檢查以下關鍵詞/主題提取軟件/工具：

• Kea - 關鍵字取出
• Tmt - 斯坦福話題檢測工具包（與Excel整合，用Scala編寫腳本），它支持半自動主題檢測模式（帶用戶反饋）。
• maui

如果你想開發自己的主題檢測系統，你應該採取LDA implementation in mallet（鏈接一看就工作LDA樣品，在槌主頁上的一個不與最新mallet版本中運行）。