nlp - 有关以下自然语言处理术语的详细信息？

Question

Named Entity Extraction (extract ppl, cities, organizations)
Content Tagging (extract topic tags by scanning doc)
Structured Data Extraction
Topic Categorization (taxonomy classification by scanning doc....bayesian )
Text extraction (HTML page cleaning)

是否有库可用于执行 NLP 的上述任何功能？

真的不想向 AlchemyAPI 支付现金

Answer 1

实际上有很多免费可用的开源自然语言处理包。下面是一个简短的列表，按工具包所使用的语言进行组织:

python :Natural Language Toolkit NLTK

Java :OpenNLP , Gate , 和 Stanford's JavaNLP

.NET :Sharp NLP

如果您不确定该选择哪一个，我建议您从 NLTK 开始.该软件包相当易于使用，并且有大量在线文档，包括 a free book .

您应该能够使用 NLTK 轻松完成您列出的 NLP 任务，例如 named entity recognition (NER) , extracting tags for documents , 和 document categorization .

炼金术的人怎么称呼 structured data extraction看起来它只是 HTML 抓取，只要页面仍然以相同的方式在视觉上呈现，它就可以抵抗对底层 HTML 的更改。所以，这并不是真正的 NLP 任务。

要从 HTML 中提取文本，只需使用 boilerpipe .它快速、良好且免费。