通用开源分类数据库

Question

我正在寻找一个数据库，可以帮助我将成千上万的英语关键词归为少数一般学科。

例如：

I HAVE THIS => I WANT TO HAVE THIS
cat => animal
chair => household
wine => drink
deer => animal
beer => drink
glass => household, drink
total 50 000 keywords => total <100 disciplines

我想将关键字组织成学科可能非常棘手。我真的不关心什么是学科。我只希望将我的5万个关键字分成不到100个学科。

你知道一个可以做到这一点的词典数据库吗？

Answer 1

在将关键字与字典条目相关联方面：

• 获得所需内容的一种通用方法是将其视为多类分类问题： http://en.wikipedia.org/wiki/Multiclass_classification
• 我认为应该满足您特定需求的一个实现是SVM Light： http://svmlight.joachims.org/svm_struct.html
• 当然，您仍然需要使用样本数据训练分类器，因此您需要有一个代表性的训练集。

就在数据库中实际组织结果而言，似乎相对简单：

• 创建字典表（使用＆lt; 100条款）
• 创建一个关键字表，其中包含字典表的外键
• 关键字表的自然（逻辑）主键是（keyword，dictionary_table_id）

Answer 2

WordNet将是解决此问题的好方法：

• http://en.wikipedia.org/wiki/WordNet
• http://wordnet.princeton.edu/

示例：

• hypernyms of dog