用于关键字提取的OpenNLP NLP TOOL

Question

我想要使用pdf API来提取一组文档（docx，txt，opennlp）中的关键字/代码，以便进行标记。

有人可以建议我如何使用opennlp工具进行关键字提取清除？

Answer 1

欢迎来到SO！如果你想到一个＆＃34;关键字＆＃34;作为一个相对术语，OpenNLP可以在很多方面为您提供帮助。例如，您可以使用词性标注器来提取名词，并仅将名词索引为关键词（您可以对动词执行相同操作）。您可以使用SentenceChunker，提取名词短语或动词短语并为短语编制索引。您可以使用Namefinder执行命名实体识别并按类型索引实体（然后您的搜索引擎可以专门搜索人员的名称或组织名称。这可能很强大，具体取决于您的用例。为了从pdf和doc / docx中获取文本，你应该考虑使用Tika。

以下是其他SO问题的链接

• this post contains a code example of noun phrase extraction
• this post shows named entity extraction
• also have a look at the OpenNLP docs

另外，如果你使用的是SOLR，我认为已经做了一些工作来利用OpenNLP作为标记器......但是从来没有使用它。