我要为很长的单词列表实现文本分类。我已经定义了一些类别，例如如果列表中包含“UK”字样，它将位于“Regions”下。如果这个词是“Pizza”，它将属于“食物”类别。
如何对不同类别的单词进行分类？有没有可用的开源工具？
答案 0 :(得分：2)
我不完全确定你要做什么，但如果你想要的是为多个类别建立一个列表代表词，那么你可以通过选择前N个最常用词来做到这一点，不包括stop words，来自代表每个类别的一组文件。这是创建非常基本的本体的简单方法。
例如，要创建一组关于食物的字词，您可以抓取网页以获取 recipies和menus ，然后选择最多这些经常说的话。我希望，一旦你排除了停止词，你就会有一个很好的食物相关单词列表。对于与编程相关的字词，您可以抓取 stackoverflow.com 等等...
然后，这可能不是你想要做的......