高效的关键字检测/提取。预定义的一组关键字

Question

如何从字符串中有效地提取关键字？我的关键字列表是预定义的。例如，在一篇关于米歇尔奥巴马的文章中，也提到了奥巴马，我想提取Michelle Obama和Barack Obama，关键字Michelle Obama获得更高的相关性值（Michelle Obama和Barack Obama都出现在我的关键字列表中）。

检查字符串中每个关键字的出现次数似乎效率不高。我的应用程序是用PHP开发的，但任何语言都可以，如果我可以有效地做到这一点。

我试过OpenCalais，但它没有检测到我的大部分关键字。是否有可能使用Lucene提取关键字？

Answer 1

apache lucene包将适合你。然而，如果你有标题和段落，你可以过滤出停用词，给予标题中单词更高的排名，然后在段落中匹配它们或它们的表单。你可以参考一些文本摘要文章，以便更好地编程。