網頁基於內容的語言檢測

我正在進行網頁語言檢測，並且設法通過我開發的其他中間件檢索頁面的內容。因爲沒有標準化的內容位置。但是，我不知道如何檢測我嘗試使用lang和xml：lang標記的語言，但是它們效率不如我預期的那樣高，因爲我看到某個網站除了標記中指定的語言之外還有其他語言，幫助將不勝感激？（環境java日食）網頁基於內容的語言檢測

來源

2016-04-25 noble_man

這是一個在nlp中的經典問題，並給出了相當不錯的預測。這篇文章看起來類似於這個：link並且有一些很好的答案。我並不熟悉那裏提到的解決方案，但我確實使用過Apache Tika來處理另一個問題，它是一個很好的開源代碼。希望有所幫助..

來源

2016-04-25 15:45:28 lazary

我正在研究java，我已經檢查了鏈接，但他們提到的庫（特別是語言檢測器）有一些準確性問題，它給出了相同文本的不同結果並支持有限的語言 –

網頁基於內容的語言檢測

回答

相關問題