我正在开展关于挖掘博客内容的项目，我需要帮助区分使用哪种工具。我何时使用解析器，何时使用标记器，何时需要使用NER工具？
例如，我想找出几个博客之间最受关注的主题/主题;使用词性标注器来获取名词并进行频率计数？这可能是不够的，因为非常通用的术语可以弹出正确吗？或者我有一个类别列表和我可以匹配的这些同义词？
顺便说一句，我正在使用nltk，但我正在看stanford标记或解析器，因为有几个家伙说它很好。答案 0 :(得分：3)
您可能想要阅读主题模型，而不是尝试重新发明轮子，这主要是创建经常一起出现的单词集群。 Mallet有一个随时可用的工具包来执行这样的任务：http://mallet.cs.umass.edu/topics.php。
要回答您的原始问题，POS标记器，解析器和NER工具通常不用于主题识别，但更多地用于信息提取等任务，其目标是在文档中识别特定的参与者，事件，地点，时间等...例如，如果你有一个简单的句子，如“约翰把苹果交给了玛丽”。您可以使用依赖解析器来确定John是主语，Apple是对象，而Mary是介词对象;因此你知道约翰是给予者而玛丽是接收者而不是反过来。