从文章中提取相关关键字/标签的java工具
我正在寻找基于java的工具来从给定的文章中提取相关标签。 我需要一个工具，基本上可以尝试识别给定文章相关的主要主题和术语。 谢谢你的帮助。
I'm looking for java based tools for extracting relevant tags from a given article.
I need a tool that will basically try and identify what are the main subjects and terms a given article is related to.
Thanks for helping.
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
检查以下关键词/主题提取软件/工具：
如果您想开发自己的主题检测系统，您应该看看mallet 中的 LDA 实现（链接到工作 LDA 示例， 这mallet 主页上的一个不适用于最新的 mallet 版本）。
Check the following key words/topics extraction software/tools:
If you would like to develop your own topic detection system, you should take a look on LDA implementation in mallet (link to a working LDA sample, the one on mallet homepage does not work with the newest mallet version).
您可以使用 HtmlUnit 解析文章的 HTML 并查询文档中您有兴趣搜索的部分。然后您可以应用您自己设计的简单算法来确定标签/关键字。
例如，
split()将文本拆分为空格，然后计算每个单词出现的次数。出现最多的单词（忽略“and”、“the”、“if”等）是关键字的良好候选者。You can use HtmlUnit to parse the article's HTML and query for the parts of the document you are interested in searching. Then you can apply a simple algorithm of your own design to determine tags/keywords.
Like for instance,
split()the text on whitespace and then count how many times each word occurs. The words that occur the most (ignoring things like "and", "the", "if", etc.) are good candidates for keywords.