如何从字符串中高效提取具有相关性的关键词？我的关键字列表是预定义的。例如，在一篇关于 Michelle Obama 的文章中也提到了 Barack Obama，我想用关键字 Michelle Obama 提取 Michelle Obama 和 Barack Obama获得更高的相关值(Michelle Obama 和 Barack Obama 都出现在我的关键字列表中)。
检查字符串中每个关键字的出现次数似乎效率不高。我的应用程序是用 PHP 开发的，但任何语言都可以，只要我能高效地做到这一点。
我试过 OpenCalais，但它没有检测到我的大部分关键字。是否可以使用 Lucene 提取关键字？
最佳答案
apache lucene 包会适合你。但是如果你有标题和段落，你可以过滤掉停用词，给标题中的词更高的排名，然后匹配它们或者它们在段落中的形式。你可以引用一些文本摘要文章来更好地自己编程。
关于java - 高效的关键字检测/提取。预定义的关键字集，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/4863396/