記事から関連するキーワード/タグを抽出するためのJavaツール

Question

私は、特定の記事から関連するタグを抽出するためのJavaベースのツールを探しています。 私は基本的には、特定の記事が関連する主要な主題と用語が何であるかを特定するツールを必要とします。 ありがとうございます。

Answer 1

HtmlUnitを使用すると、記事のHTMLを解析し、検索したいドキュメントの部分をクエリできます。次に、独自のデザインの単純なアルゴリズムを適用して、タグ/キーワードを決定することができます。

たとえば、split()のように空白のテキストを入力し、各単語が何回出現するかをカウントします。 "and"、 "the"、 "if"などのようなものを無視して最も多く出現する単語がキーワードの候補になります。

が

Answer 2

チェック次のキーワード/トピック抽出ソフトウェア/ツール：

• Kea - キーワード抽出
• Tmt - スタンフォードトピック検出ツールキット（Excelとの統合、Scalaで書かれたスクリプトが）、それはサポートしています半自動トピック検出モード（ユーザーのフィードバック付き）
• maui

あなたがあなた自身のトピック検出システムを開発したい場合、あなたが作業LDAサンプルへLDA implementation in mallet（リンクで見てみる必要があり、マレットホームページの一つは、最新malletバージョンでは動作しません。 ）。