如何从文本中提取关键字（标签）

我目前正试图在Java中实现标签引擎，并搜索解决方案以从文本（文章）中提取关键字/标签。我发现了一些建议使用Pointwise Mutual Information的stackoverflow解决方案。如何从文本中提取关键字（标签）

我不能使用pyton和NLTK所以我要实现它自己。但我不知道如何计算概率。的计算公式如下：

PMI(term, doc) = log [ P(term, doc)/(P(term)*P(doc)) ]

什么，我想知道的是如何计算P（长期，DOC）

我已经有一个兰格文本语料库和文章的集合。文章不是语料库的一部分。该语料库使用lucene索引。

请帮我一把。此致敬礼。

你要提取的标签或计算概率？你的标题建议提取标签，但你的问题说你不知道如何计算概率 - 你为什么关心概率？ – Bohemian

我想提取标签，因此我必须计算P（term，doc），但我不知道如何去做 – BauerMitFackel

为什么你必须计算任何东西？请定义“提取标签”。 – Bohemian

有很多算法这样做：

开源工具：

KEA（http://www.nzdl.org/Kea/）监督方法使用训练数据和控制词汇

茂宜索引（http://code.google.com/p/maui-indexer/）是基本上是为提供关键短语提取使用百科全书提供便利的kea的扩展。

carrot2（http://project.carrot2.org/）用于关键短语提取的无监督方法。它支持许多关键词提取的输入，输出格式和参数的变化。

Mahout的聚类算法（http://mahout.apache.org/）

商业API：

炼金术API（http://www.alchemyapi.com/api/keyword-extraction/）

2014-08-21 12:18:49

此答案复制自 https：//www.quora。COM /什么，是好工具对提取键字 - 和 - 或 - 主题标签，从-A-随机段落的文本/答案/维尼特-亚达夫？SRID = kKqE – MFARID

回答