如何确定给定文档（文本）的主题？

Question

我知道如何通过Weka对文本进行分类，我可以在Weka GUI中插入文本文件夹并尝试不同的算法，如果其中一个文本对某个主题是正面/负面的话，它可以告诉我。

现在我需要不同的东西，我想构建一个应用程序，当用户插入单个文本文件时，告诉文本的主题。

Weka有没有可能做到这一点？如果有人愿意给我一个提示，我将非常高兴。

Answer 1

你必须使用Weka吗？如果没有，还有其他良好的文本分类系统，可以进行主题分类的开放/免费访问。我建议您尝试Open Calais，可以下载或使用网络服务。

Answer 2

“主题”是什么意思？这是一个非常广泛的概念，但在大多数情况下，它只是有限的一组可能的文本类别，如“科学”，“运动”等，你可以称之为C，并视为监督分类问题，就像你会做“积极/消极”分类。关于分类到多个类别没有什么特别之处。但是你仍然需要为每个类别提供一套训练。

总结一下 - 您可以使用与二进制分类完全相同的方式使用WEKA，只需使用更多标签进行分类（如果您的类别是mutualy独占的，即没有一个文本是关于“科学”和“运动” ）或创建|C|二进制分类器，如果您的文本可以是任何类别子集的一部分（这更合理，因为文档通常介于“某些主题之间”）并简单地回答您的类别集相应的分类器回答“是”（肯定）。

如果你想以无人监督的方式做这件事（没有训练集），那么通过某种文本摘要/主题建模技术实际建模主题会更加复杂，据我所知，这些技术没有实现在WEKA。事实上，据我所知，这种方法还不够成熟，无法谈论任何“好”的解决方案 - 这些解决方案的研究领域很多，有很多方法和不同的结果。