如何確定給定文檔（文本）的主題？

Question

我知道如何通過Weka對文本進行分類，我可以在Weka GUI中插入文本文件夾，並嘗試使用不同的算法，如果其中一個文本對某個主題是正面/負面，它可以顯示給我。

現在我需要一些不同的東西，我想構建一個應用程序，當用戶插入單個文本文件時，告訴文本主題。

Weka有沒有可能做到這一點？如果有人會給我一個提示，我會很高興。

Answer 1

你是什麼意思的「主題」？這是一個非常廣泛的概念，但在大多數情況下，它只是像「科學」，「運動」等可能的文本類別的有限集合，您可以將其稱爲C，並將其視爲監督分類問題，就像您將「正面/負面」分類。沒有什麼特別的，可以分爲多個類別。但是你仍然需要爲每個類別設置一套訓練集。總結一下 - 您可以按照與二進制分類完全相同的方式使用WEKA，只需使用更多標籤進行分類（如果您的分類是互斥的，也就是說，沒有任何文本是關於「科學」和「運動」的「）或者創建|C|二元分類器，如果您的文本可以是任何類別子集的一部分（這更合理，因爲文檔通常位於某些主題之間），並簡單回答您的相應分類器回答的一組類別「是」（肯定）。

如果你想以無監督的方式做到這一點（沒有訓練集），那麼這將是一個複雜得多的任務，需要通過某種文本摘要/主題建模技術來實際建模主題，據我所知，在WEKA中實施。事實上，就我的最佳知識而言，這種方法還不夠成熟，無法談論任何「好」解決方案 - 這些都是相當多研究領域，有許多方法和不同結果。

Answer 2

您是否需要使用Weka？如果不是的話，還有其他好的文本分類系統可以用於主題分類的開放/自由訪問。我建議嘗試Open Calais可以下載或使用Web服務。