NLP segment-03-基于 TF-IDF 实现关键词提取 java 开源实现

拓展阅读

分词系列专题

jieba-fenci 01 结巴分词原理讲解 segment
jieba-fenci 02 结巴分词原理讲解之数据归一化 segment
jieba-fenci 03 结巴分词与繁简体转换 segment
jieba-fenci 04 结巴分词之词性标注实现思绪 speechTagging segment
关键词系列专题

NLP segment-01-聊一聊分词
NLP segment-02-聊一聊关键词提取 keyword
NLP segment-03-基于 TF-IDF 实现关键词提取 java 开源实现
NLP segment-04-主动择要 auto-summary java 开源实现
NLP segment-20-分词开源项目介绍 HanLP 将来十年的自然语言处理
NLP segment-21-分词开源项目介绍 ansj_seg
倒排索引原理与实现 reverse-index
TF-IDF 主动生成文章择要
TF-IDF 主动提取关键词
相似文章算法之语义指纹-文本内容去重
TF-IDF 找出相似文章算法
NLP segment-21-分词开源项目介绍 ansj_seg
开源项目

为了便于大家学习，项目开源地址如下，欢迎 fork+star 鼓励一下老马~
nlp-keyword 关键词
pinyin 汉字转拼音
segment 高性能中文分词
opencc4j 中文繁简体转换
nlp-hanzi-similar 汉字相似度
word-checker 拼写检测
sensitive-word 敏感词
前言

前面一些内容，我们介绍了分词。
以及 TF-IDF 的实现原理。
固然，这些都是知识，但不是工具。
我们将其转换为方便可用的 java 工具。
nlp-keyword

nlp-keyword 高性能的 java 分词关键词提取实现，基于分词 segment。
愿景：成为 java 最好用的关键词工具。
特性

• 基于 TF-IDF 算法的关键字算法
  
• 机动的条件指定
  

变更日记

快速开始

maven 引入

1. <dependency>
2.     <groupId>com.github.houbb</groupId>
3.     <artifactId>keyword</artifactId>
4.     <version>1.0.0</version>
5. </dependency>

复制代码

快速开始

• 获取关键词
  

1. final String text = "这是一个伸手不见五指的黑夜，夜太美。";
3. List<IKeywordResult> keywords =  KeywordHelper.keyword(text);
4. Assert.assertEquals("[伸手不见|0.86879235325, 太美|0.70848301840625, 伸手不见五指|0.63371734601875, 黑夜|0.509854654010625, 伸手|0.43563643037625]", keywords.toString());

复制代码

• 指定返回的个数
  

1. final String text = "这是一个伸手不见五指的黑夜，夜太美。";
3. List<IKeywordResult> keywords =  KeywordHelper.keyword(text, 1);
4. Assert.assertEquals("[伸手不见|0.86879235325]", keywords.toString());

复制代码

• 指定返回的格式
  

1. final String text = "这是一个伸手不见五指的黑夜，夜太美。";
3. List<String> keywords =  KeywordHelper.keyword(text, 1, KeywordResultHandlers.words());
4. Assert.assertEquals("[伸手不见]", keywords.toString());

复制代码

ROAD-MAP

• [] 字典数据独立，便于用户自界说选择
  
• [] 文本相似度
  
• [] auto-summary 主动择要
  

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。