用于对文本或文章进行分类的开源引擎

Question

是否有任何开源引擎项目可以对在线文本或文章进行分类。或检查两篇文章的相似性。

例如，

1.i有十种不同的文字或文章。然后引擎能够将这篇文章分类到不同的领域，如体育，娱乐，政治。

2.两篇文章描述了同一事件。引擎能够将它们组合在一起。将它们视为同一篇文章

谢谢

Answer 1

您可以尝试使用Alchemy API。虽然不是开源，但有一个免费的使用层。在示例1的情况下，他们的主题分类和概念标记可能是有用的。在示例2的情况下，任何分类器如贝叶斯，朴素贝叶斯等都可以使用，尽管有训练。 Weka也是一种广泛使用的工具。

Answer 2

看看Apache Mahout（开源，java）。