indexing - 使用预定义的标签标记文档

Question

我正在处理大量文档，并且有一组预定义的类别/标签（可能是短语），它们将以准确或不准确的形式出现在文档的文本中。我想将每个文档分配给最接近其文本的标签中的一个标签。

请给我一些指示，告诉我我应该怎么做才能解决这个问题。

Answer 1

您可以查看在索引时标记文档的 lucene 搜索引擎。Northernlight 搜索引擎曾经执行过您在其搜索方法中提到的类似任务。您可以查看它的实现以得到一个想法。