查找与主题相关的所有文本段落

Question

给定一组单词["college", "sports", "coding"]和一组文本段落（即facebook帖子），我如何才能看到每个单词与该主题相关的段落？

所以对于大学来说，我怎样才能找到可能与大学相关的所有文本段落？

我是自然语言处理的新手，在正则表达式方面不是很先进。关于如何开始使用的线索，谷歌的正确用语等等。

Answer 1

一个基本的想法是迭代你的帖子，看看是否有任何帖子与任何主题相匹配。

假设我们有以下帖子：

  

第1篇：   Dadadad adada college fgdssfgoksh jkhsfdkjshdkj sports hfjkshgkjshgjhsdgjkhskjgfs。

     

帖子2：   体育dadadad adada fgdssfgoksh jkhsfdkjshdkj hfjkshgkjshgjhsdgjkhskjgfs。

     

第3篇：   编码adskjdsflkshdflksjlg lsdjk hsjdkh kdsafkj asfjkhsa编码fhksajhdf kjhskfhsfd ssdggsd。

以及以下主题：

  

[“大学”，“体育”，“编码”]

正则表达式可以是：(topicName)+

例如：(college)+或(sports)+或(coding)+

小伪代码：

for every topicName
    for every post
        var customRegex = new RegExp('(' + topicName + ')+');

        if customRegex.test(post) then
            //post matches topicName
        else
            //post doesn't match topicName
        endif
    endfor
endfor

希望它可以给你一个起点。

Answer 2

精确的字符串匹配不会带您走远，特别是对于文本的小片段。我建议您使用semantic similarity。简单的网络搜索将提供多种实现。