从Android中的文本中提取关键字

Question

让我们说，用户正在EditText中键入文本。现在，当用户输入时，我想从这些文本中提取关键字。

例如，如果用户输入“我有头疼”。它应该提取“头痛”作为关键词。

请告诉我如何在Android中有效地执行此操作。

更新：我不知道关键字是什么。必须从用户输入的文本中提取它们。

Answer 1

首先，您应该定义您将视为关键字的内容。

一个。作为关键字的有限单词列表 或者b。 不关键字的单词列表。

该列表可以位于代码中的ArrayList<String>。

当用户更改EditText中的文本时（请参阅EditText.addTextChangedListener(new TextWatcher(){...})，您可以使用split()作为分隔符获取文本String [] space character。下一个搜索列表中数组中的每个单词（顶部的a或b选项）要么检查它们是否存在。当您点击时，您已找到用户输入的关键字。

结果关键字可以暂时保存在另一个ArrayList<String>中，供您在完成输入扫描后使用它们。

注意：我已经提出了一个ArrayList来保留列表，考虑到它不会是一个很长的列表。更复杂的情况下，列表可以保存在HashMap或TreeMap中，与@Deepakkaku评论的搜索更快。

Answer 2

这个问题可以有两种方法：

1. 对您感兴趣的关键字或非关键字进行硬编码。@ Juan的答案就是这里的方法。
2. 第二个选项是使用一些机器学习模型，这是你正在看的，我猜你给机器学习标签。

选项1需要提前定义一组关键字，您认为在您的问题中没有这些关键字。所以这不适用于这种情况。所以这是选项2的解决方案。

• 创建模型。
  • 您必须创建标记示例的数据集。
  • 您必须为整个数据集定义词汇表。
  • 您必须定义并训练模型。如果您有足够的数据，则可以从头开始。否则，建议使用转学习。例如，您可以在线查找NLP模型，如word2vec或情绪分析，并查找转移学习。 TF Hub可以轻松进行转学习。
• 训练模型后，您必须锻炼如何转换该模型，以便在Android上高效运行以进行推理。您可以选择Tensorflow-lite，Caffe2等。如果您使用Tensorflow，建议您转换为Tensorflow Lite以进行推理以提高效率。
• 您必须使用适当的运行时（TFLite，Caffe2等）构建您的Android应用程序并将模型捆绑在一起。如果您不想捆绑，可以使用ML Kit来处理下载。
• 通过侦听EditText中的更改并调用模型推断，将钩子添加到活动中的模型中。您可能希望在第一次推断调用之前提前加载模型解释器以提高效率。