我正在尝试制作一个程序来分析大量的推文，并生成关于人们发推文的十大最受欢迎的书籍的报告。问题是我不知道如何识别推文中的书名。如果有人可以为这种类型的工作命名算法，或者至少引导我朝着正确的方向前进，那就太好了。
答案 0 :(得分：2)
您需要一个要搜索的字词列表。然后只需通过推文并检查列表中的图书名称实例。
无法自动提取＆＃34;预订标题＆＃34;。例如，你怎么能区分某人谈论＆＃34;火星人＆＃34;他们昨晚在他们的后院看到了Andy Weir的书？
答案 1 :(得分：1)
如果您没有书名列表Wikipedia provides some lists。但如果你的目标是比较新书（夏季的畅销书），我猜他们不会在这些名单中。您可以在Internet上找到其他列表...无论如何（为了可靠性）您需要一个列表。
然后，正如@Adam_G告诉ealier：
无法自动提取＆＃34;预订标题＆＃34;。例如，你怎么能区分某人谈论＆＃34;火星人＆＃34;他们昨晚在他们的后院看到了Andy Weir的书？
让我们想象两本书＆＃34; The cat＆＃34;和＃34;对绿鲨的恐惧＆＃34;。 有许多推文包含序列＆＃34; cat＆＃34;但在大多数情况下，这些推文并不是关于这本书的。相反，所有的推文都包含了对绿鲨的恐惧＆＃34;显然是关于这本书的。
所以你应该为每个令牌序列分配一个＆＃34;概率＆＃34; P成为本书的标题。在前面的例子中，＆＃34; cat＆＃34;有一个非常低的P和＃34;对绿鲨的恐惧＆＃34;非常高P。您可以根据标题中的单词数量和这些单词的频率（以及2-gram，3-gram，...）计算P的值（可以使用大型语料库）
现在考虑一下这条推文：
我读了＃34; The Cat＆＃34;而我喜欢它!!
作为人类，我们理解＆＃34; The Cat＆＃34;是一本书因为推文包含＆＃34; read＆＃34;。
因此，对于P低的标题（例如＆＃34; cat＆＃34;），您可以尝试使用机器学习算法来了解推文是否真的与该书有关。我们的想法是根据推文中的单词计算包含标题的推文的概率。了解有关机器学习算法的更多信息，例如Naive Bayes分类器。