在自然文本中检测（预定义）主题
有没有可以检测自然文本主题的图书馆或数据库？
我不是在谈论从提取的关键字中生成主题，而是在分析使用的词汇并将其与预定义的主题相匹配。 就像搜索烹饪或某些运动中使用的词语（如足球俱乐部的名称或技术术语）。
更新并澄清：
示例文本片段：关于足球的句子，然后是关于在该事件中进行餐饮的另一句话。
图书馆可以分配“体育”，“足球”，“烹饪”等类别。
我正在寻找能够分配这些类别（或者“感兴趣的主题”）的东西，而不需要我用数TB的手动分类文档来训练数千个模型。 例如，这可以通过匹配关键字而不是统计分析来工作（这就是我之前提到数据库的原因）。
我在寻找这个，因为我自己没有人力来建立这样一个庞大的数据库。
你描述的任务是一个经典的文本文档分类。 我建议阅读本文，然后通过已知关键字进行搜索。
总之，最流行的方法是有监督的机器学习（例如SVM），用tf-idf覆盖单词，或者有时用单词n-gram。
Scikit学习教程描述了这个任务; 还有像LibShortText这样的库。
对于数据集（比'数据库'更常见的术语），请看Reuters-21578文本分类集合或这里。 一般来说，收集预定义类别的文本并不困难。 例如，如果您想按各种运动对文本进行分类，请转到新闻网站 - 也许是专门的网站 - 比如体育网站。
另请参阅有关stackoverflow或quora的相关问题。
有多种方法可以解决这个问题，而围绕这个问题的基本主题就是语义网领域。
使用像dbpedia这样的知识库，dbpedia基本上是三重格式的维基百科数据（主题谓词对象）。 在谓词rdfs：label上使用sparql查询dbpedia，如果它是dbpedia的一部分，并且名为dcterms：subject的谓词将具有与该主题相关的类别，则会返回标识符的URI。 您可能需要遍历三重商店以获得更多抽象关系。 类似的知识库 - ConceptNet，freebase，yago。
检查，http://www.cyc.com/
让我知道你是否想让我详细说明一下
最好的Ankit
链接地址: http://www.djcxy.com/p/57769.html