与文本文件中的主题相关的内容

Question

我们是否有任何API可以识别与特定主题相关的文本文件中的内容？

例如，我有一个包含5000行文本的文本文件。

我想提取与TOPIC ABC相关的文字。 lucene或任何其他api都这样做吗？有什么想法吗？

我使用Lucene来识别包含特定WORD的文档，但是想知道我们是否有任何api从与特定主题相关的文件中提取内容。

Answer 1

这是一个相当广泛的问题，但根据您提供的信息，很明显您有几个选择。

选项1：使用API​​

你可以使用Thomson Reuters Open Calais platform这是我见过的最好的开发者。但是，我可以想象随着时间的推移会变得昂贵。他们在自己的网站上提供demo，值得一试。

选项2：扩展Lucene的VSM

当我说延长Lucene时，我并不意味着你需要。有一些开源项目可以随时利用。例如，Luence-LDA允许通过Latent Dirichlet分配（LDA）进行查询。这个特殊的项目在大约3/4年内没有更新过，所以它可能想要分叉或建立自己的项目。