術語提取：Generatings標記出文本

這個問題已經被問過好幾次。

試圖接近與現有的解決方案，這個問題我偶然發現了「文本分析」的Solr的索引文件作爲之前執行描述在http://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters - 其中也包括詞幹。

所以最終的索引將主要由用於描述文檔的術語組成。

有沒有提供直接使用分析器，標記器和令牌過濾器的解決方案？如果solr是出路，從solr的索引中獲取這些數據的最好方法是什麼？

2009-07-08 Sukumar

Solr是一種創建自定義搜索引擎的方式。它似乎不適合這項工作。 Wikipedia article about term extraction在其「外部鏈接」部分列出了幾個用於術語提取的Web應用程序。 OpenNLP有一個可能有用的工具列表。 Its Chunker可能會有幫助。

2009-07-09 09:04:15

是的，Solr條款只會返回唯一的令牌（也許減去一些常見的詞，並做詞幹等）。它不會真正告訴你文中的重要內容。對於它的價值，你可以通過http://wiki.apache.org/solr/TermsComponent從solr中剔除條款 – mlathe 2010-01-28 18:49:38

只是要求解析的術語例如

http://localhost:8983/solr/terms?terms.fl=text&terms.sort=count&terms.limit=-1

更多信息，請參見TermsComponent 。

2016-02-29 14:57:40

回答