estrazione Termine: Generatings tag su testo

Question

Come ottenere gli stessi risultati come http://developer.yahoo.com/search/content/V1/termExtraction.html

Questa domanda è stato chiesto un bel paio di volte prima.

• best approach to analyze text in PHP?

• What is a good keyword extraction web service?

• What is a simple way to generate keywords from a text?

Cercando di affrontare questo problema con le soluzioni esistenti sono incappato in "Text Analysis" Solr esegue sul documento prima di indicizzazione come descritto in http://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters - che include anche lo stemming

Quindi l'indice finale consisterà principalmente di termini usati per descrivere il documento.

Esiste una soluzione che fornisce analizzatori, tokenizer e filtri token per l'uso diretto? Se Solr è la via d'uscita, qual è il modo migliore per ottenere questi dati dall'indice di Solr?

Answer 1

Solr è un modo per creare un motore di ricerca personalizzato. Non sembra essere lo strumento giusto per il lavoro. Gli elenchi Wikipedia article about term extraction nella relativa sezione "collegamenti esterni" diverse applicazioni Web per l'estrazione di termini. OpenNLP ha una lista di strumenti che possono essere utili. Its Chunker potrebbe essere utile.

Answer 2

Basta chiedere i termini analizzati, ad es.

http://localhost:8983/solr/terms?terms.fl=text&terms.sort=count&terms.limit=-1 

Vedi TermsComponent per maggiori informazioni.