是否有可以检测自然文本主题的库或数据库？
我不是在谈论从提取的关键字生成主题，而是在分析使用的词汇表并将其与预定义的主题相匹配。喜欢搜索烹饪或某些运动中使用的单词（如足球俱乐部或技术术语的名称）。
更新澄清：
示例文本片段：关于足球的一句话，然后是另一句话，谈论在活动中的饮食。
图书馆可以分配类别＆＃34;体育＆＃34;，＆＃34;足球＆＃34;，＆＃34;烹饪＆＃34;。
我正在寻找可以分配这些类别（或者＃34;感兴趣的主题＆＃34;也许）的东西，而我不需要用数TB的手动分类文档训练数千个模型。例如，这可以通过匹配关键字而不是统计分析（这就是我之前提到数据库的原因）来实现。
我正在搜索这个，因为我自己没有人力来建立这么大的数据库。
答案 0 :(得分：0)
您描述的任务是经典的text document classification。我建议您仔细阅读本文，然后按已知关键字进行搜索。
简而言之，最受欢迎的方法是有监督的机器学习（例如SVM），其中tf-idf优于单词，有时甚至是单词n-gram。
Scikit-learn tutorial描述了这项任务;还有像LibShortText这样的图书馆。
对于数据集（更常见的术语而不是＆＃39;数据库＆＃39;），请查看Reuters-21578 Text Categorization Collection或here。通常，从预定义的类别中收集文本并不困难。例如，如果你想通过各种运动对文本进行分类，可以去新闻网站 - 也许是专门的 - 如运动 -
另请参阅stackoverflow或quora上的相关问题。
答案 1 :(得分：0)
有多种方法可以解决这个问题，而基本相同的主题是在语义Web领域。
使用像dbpedia这样的知识库，dbpedia本质上是三重格式的维基百科数据（主题谓词对象）。在谓词-rdfs：label上使用sparql查询dbpedia，如果它是dbpedia的一部分，则会返回一个URI的URI，并且一个名为dcterms的谓词：subject将具有与该主题相关的类别。您可能需要遍历三重存储以获得更抽象的关系。类似的知识库 - ConceptNet，freebase，yago。
如果您想要我详细说明，请告诉我
最佳Ankit