地理标记或Geolabelling文本内容的方法

Question

有哪些好的算法可以自动标记城市/地区或来源的文字？也就是说，如果博客是关于纽约的，我怎么能以编程方式讲述。是否有声称以任何确定程度这样做的包裹/文件？

我已经看过一些基于tfidf的方法，专有名词交叉点，但到目前为止，没有引人注目的成功，我很欣赏这些想法！

更一般的问题是在给定一些主题列表的情况下将文本分配给主题。

简单/幼稚的方法优先于贝叶斯方法，但我是开放的。

Answer 1

您正在寻找named entity recognition系统或短NER。有several good toolkits可以帮助您。特别是LingPipe有一个非常decent tutorial。 CAGEclass似乎是针对地理位置的NER而定，但我还没有使用它。

Here's一个很好的博客文章，关于NER与地理位置名称的困难。

如果您使用Java，我建议使用LingPipe NER类。 OpenNLP也有一些，但前者有更好的文档。

如果您正在寻找一些理论背景，Chavez et al. (2005)已经构建了一个有趣的参数并记录下来。

Answer 2

Latent Semantic Mapping似乎很适合。这就像你可能找到的算法一样幼稚。