过滤属于广泛类别的单词

Question

我有一个单词列表（假设你必须存储在String []中）。我想过滤掉属于广泛类别的字词，例如音乐或体育。

是否有现成的解决方案（即使它只适用于一组有限的一般类别）？

或者你会怎么做呢？

它将在 Java 1.6 中完成，它是一个NLP（自然语言处理）问题。单词的输入列表具有随机单词，我想从这个大型列表中提取，只有属于给定通用类别的单词（这将是一个子集）。

另一种思维方式：给定一个单词，我想确定这个单词是否属于某个类别。 像这样：

String word1 = "football"; //the strings will always be single word units
String word2 = "telephone";
boolean b1 = belongsToCategory(Categories.SPORTS, word1); //true
boolean b2 = belongsToCategory(Categories.SPORTS, word2); //false

如果您需要更多信息，请询问。

Answer 1

好吧，我的想法是为每个类别保留一组单词并在每组中查看单词。

当然，如果你掌握了单个单词的所有变形形式，那么这个集合将变得庞大且无法维持。我会考虑使用词形还原来限制此集的大小。 您可能有兴趣查看以下链接： Lemmatization on Wikipedia 和 Lemmatization java