使用java將非結構化數據（文本）轉換爲結構化格式

Question

我已經做了大量的研究並閱讀了很少的論文，檢查了所有的SO Q & A，但我仍然不清楚。

 I'm trying to setup a small search engine. I am crawling data using nutch and 
     have integrated it with solr for front end and indexing. 

     After crawl, I have unstructured data i.e content of entire page I crawled and 
     I need to structure this data into sets. 

例如：我爬到其中包含有關的任何產品信息的頁面，我有其中有產品說明，大小原始文本，尺寸等

我的目標：提取關鍵字我想要說的：尺寸 - - >存儲在相關的尺寸DB柱 提取信息 - >存儲在同一行（另一列）

所以，我有在一個表中的關鍵字和描述，並取我作爲每個查詢，並輸出到用戶。

我不知道如何去構建/獲取我需要的信息，如果可能的話，我希望使用java來做到這一點。我讀了幾篇文章，但我無法遵循。任何幫助/指導將不勝感激。

請讓我知道，如果你需要更多的信息。感謝您的時間，並幫助

Answer 1

可以使用自然語言處理工具，如GATE（https://gate.ac.uk/），阿帕奇OpenNLP（https://opennlp.apache.org/），Minorthird（http://sourceforge.net/projects/minorthird/）等

你可以寫在GATE一個戲言文法創建基於註釋文中出現的詞語。例如，您可以將dimension, measurements, proportions等註釋爲dimension，然後查找下一句中的數字。

你可以看看其他的NLP工具在這裏：https://www.quora.com/What-are-the-best-Java-open-source-NLP-toolkits

Answer 2

給一個嘗試CogComp-NLP：http://deagol.cs.illinois.edu:8080/

它可以在Java中，與Python API。