高效的關鍵字檢測/提取。預定義的一組關鍵字

Question

如何從字符串中有效地提取關鍵字？我的關鍵字列表是預定義的。例如，在一篇關於米歇爾奧巴馬的文章中，也提到了奧巴馬，我想提取Michelle Obama和Barack Obama，關鍵字Michelle Obama獲得更高的相關性值（Michelle Obama和Barack Obama都出現在我的關鍵字列表中）。

檢查字符串中每個關鍵字的出現次數似乎效率不高。我的應用程序是用PHP開發的，但任何語言都可以，如果我可以有效地做到這一點。

我試過OpenCalais，但它沒有檢測到我的大部分關鍵字。是否有可能使用Lucene提取關鍵字？

Answer 1

apache lucene包將適合你。然而，如果你有標題和段落，你可以過濾出停用詞，給予標題中單詞更高的排名，然後在段落中匹配它們或它們的表單。你可以參考一些文本摘要文章，以便更好地編程。