使用Python的NLTK，我设法从博客文章中提取unigrams，bigrams，trigrams和quadgrams。我对整个网站的内容进行了深入研究，以找到在给定博客文章中讨论的正确主题。
我最终得到的结果如 article_topic = ['dog breeding']
现在，使用“养犬”术语的正确或最佳方式是什么，并找到相似长度的相关术语，例如，养狗计划，繁殖犬，犬繁殖等。
是否有API或图书馆帮助解决这个问题？
答案 0 :(得分：0)
如果您想根据主题对文档进行分类，那么进一步推进的一种方法是使用群集。
因此，我对数百个文档的数据集给出了类似的问题。 此外，我还获得了创建集群的所有主题。
工作 - 完成群集后，对于任何群集，群集中的所有文档都彼此密切相关，因为群集是根据其中找到的主题完成的。
如何 -
所以我遵循的指示是：</ strong>
1）使用tf-idf表示法 Link
以矢量形式表示每个文档
2）使用上面的矢量形式运行K-Means聚类算法
3）最后，您获得的任何新文档都会将其添加到群集中
4）现在您可以看出群集中的主题密切相关，因此您的新文档可以归入一个/多个主题。
更多信息 - Link
答案 1 :(得分：0)
你可以使用非常流行的语义向量（或word2vec）。使用此模型，您可以轻松地进行推断，以根据训练集获得最相似的单词（或主题）。您可以获得拥有10亿英语单词的Google预训练模型。但是，您也可以使用博客的标签训练自己的模型（对我来说很有意义）。
您可以使用Gensin库来完成。 https://radimrehurek.com/gensim/models/word2vec.html