我想知道什么是最好的基于Java的开源文本挖掘框架，使用botg机器学习和字典方法。
我正在使用Mallet，但没有那么多文档，我不知道它是否符合我的所有要求。
答案 0 :(得分：6)
老实说，我认为这里提出的几个答案非常好。但是，为了满足我的要求，我选择Apache UIMA与ClearTK一起使用。它支持几种ML方法，我没有任何许可证问题。另外，我可以为其他ML方法制作包装器，并且我利用了UIMA框架，它非常有条理和快速。
谢谢大家的有趣答案。
最诚挚的问候， ukrania
答案 1 :(得分：4)
虽然不是专门的文本挖掘框架，Weka通常在文本挖掘任务中使用了许多分类器，例如：SVM，kNN，多项NaiveBayes等。
它还有一些过滤器可以使用文本数据，如StringToWordVector过滤器，可以执行TF / IDF转换。
查看Weka wiki网站了解详情。
答案 2 :(得分：2)
答案 3 :(得分：2)
我使用了LingPipe - 用于人类语言语言分析的 Java库套件 - 用于文本挖掘（和其他相关）任务。
这是一个非常文档齐全的软件包，该网站包含几个教程，可以全面解释如何使用LingPipe执行某项任务，例如named entity recognition。还有一个新闻组，您可以在其中发布有关软件（或NLP相关任务）的任何问题，并立即回复包装的作者;当然还有blog。
源代码也很容易理解，并且有很好的文档记录，对我来说，这总是一个很大的优势。
至于机器学习算法，有很多，从NaïveBayes到Conditional Random Field。另一方面，对于字典匹配算法，它们有一个ExactDicitonaryChunker，它是Aho-Corasich算法的一种实现（这个任务非常非常快速的算法）。
总而言之，我认为它是Java最好的NLP软件包之一（我没有使用过那里的每一个软件包，所以我不能说它是最好的），我绝对推荐它你手边的任务。
答案 4 :(得分：2)
您可能已经了解GATE：http://gate.ac.uk/
...但这就是我们（在我的日常工作中）使用的许多不同的文本挖掘问题。它非常灵活和开放。
答案 5 :(得分：1)
我使用OpenNLP MaxEnt http://sourceforge.net/projects/maxent/为一个课程构建了CoNLL数据的最大熵命名实体识别器。
需要使用自定义perl脚本进行大量数据预处理才能将所有功能提取到漂亮的数值向量中。
答案 6 :(得分：0)
我们使用lucene处理来自互联网的直播流。它有一个原生的java api。
http://lucene.apache.org/java/docs/
然后你可以使用mahout，这是一系列在lucene之上运行的机械学习算法。