术语提取：Generatings标记出文本

这个问题已经被问过好几次。

试图接近与现有的解决方案，这个问题我偶然发现了 “文本分析” 的Solr的索引文件作为之前执行描述在http://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters - 其中也包括词干。

所以最终的索引将主要由用于描述文档的术语组成。

有没有提供直接使用分析器，标记器和令牌过滤器的解决方案？如果solr是出路，从solr的索引中获取这些数据的最好方法是什么？

2009-07-08 Sukumar

Solr是一种创建自定义搜索引擎的方式。它似乎不适合这项工作。 Wikipedia article about term extraction在其“外部链接”部分列出了几个用于术语提取的Web应用程序。 OpenNLP有一个可能有用的工具列表。 Its Chunker可能会有帮助。

2009-07-09 09:04:15

是的，Solr条款只会返回唯一的令牌（也许减去一些常见的词，并做词干等）。它不会真正告诉你文中的重要内容。对于它的价值，你可以通过http://wiki.apache.org/solr/TermsComponent从solr中剔除条款 – mlathe 2010-01-28 18:49:38

只是要求解析的术语例如

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

更多信息，请参见TermsComponent 。

2016-02-29 14:57:40

回答