JAVA中使用哪个NLP工具包？

Question

我正在做一个项目，该项目包括一个网站，该网站连接到NCBI（国家生物技术信息中心）并在其中搜索文章。问题是我必须对所有结果进行一些文本挖掘。我正在使用JAVA语言进行文本挖掘，并使用ICEFACES与AJAX进行网站开发。我拥有什么：搜索返回的文章列表。每篇文章都有一个ID和一个摘要。这个想法是从每个抽象文本中获取关键字。然后比较所有摘要中的所有关键字，找到重复次数最多的关键字。因此，然后在网站上显示相关词以进行搜索。有任何想法吗
？我在网络上搜索了很多东西，我知道这里有命名实体识别，语音标记的一部分，还有关于基因和蛋白质的NER的GENIA同义词库，我已经尝试过阻止…
停用词列表等…我只需要了解解决此问题的最佳方法即可。非常感谢。

Answer 1

我建议您使用POS标记和字符串标记化的组合，以从每个摘要中提取所有名词。然后使用某种字典/哈希来计算这些名词的出现频率，然后输出N个最多产的名词..结合使用其他智能过滤机制应该可以很好地为您
提供POS标记摘要中的重要关键字，以查看POS标记器，网址为http://nlp.stanford.edu/software/index.shtml

但是，如果您期望您的语料库中有很多多词术语，而不是仅提取名词，您可以采用n = 2至4
的最多产的n-gram。