网页基于内容的语言检测

我正在进行网页语言检测，并且设法通过我开发的其他中间件检索页面的内容。因为没有标准化的内容位置。但是，我不知道如何检测我尝试使用lang和xml：lang标记的语言，但是它们效率不如我预期的那样高，因为我看到某个网站除了标记中指定的语言之外还有其他语言，帮助将不胜感激？（环境java日食）网页基于内容的语言检测

来源

2016-04-25 noble_man

这是一个在nlp中的经典问题，并给出了相当不错的预测。这篇文章看起来类似于这个：link并且有一些很好的答案。我并不熟悉那里提到的解决方案，但我确实使用过Apache Tika来处理另一个问题，它是一个很好的开源代码。希望有所帮助..

来源

2016-04-25 15:45:28 lazary

我正在研究java，我已经检查了链接，但他们提到的库（特别是语言检测器）有一些准确性问题，它给出了相同文本的不同结果并支持有限的语言 –

网页基于内容的语言检测

回答

相关问题