algorithm - 地理标记或地理标签文本内容的方法

Question

有哪些好的算法可以用城市/地区或原产地自动标记文本？也就是说，如果博客是关于纽约的，我怎么能以编程方式讲述。是否有任何包装/文件声称可以肯定地做到这一点？

我已经研究了一些基于 tfidf 的方法、专有名词交集，但到目前为止，还没有取得惊人的成功，我会很感激想法！

给定一些主题列表，更一般的问题是关于将文本分配给主题。

简单/天真的方法更喜欢完全使用贝叶斯方法，但我很开放。

Answer 1

您正在寻找命名实体识别系统或简称 NER。有几个 很好的 工具包可以帮助你。特别是 LingPipe 有一个非常不错的教程。CAGEclass似乎是针对地理地名的NER，但我还没有使用它。

这是一篇很好的博客文章，介绍了 NER 与地名的困难。

如果您使用 Java，我建议您使用 LingPipe NER 类。OpenNLP 也有一些，但前者有更好的文档。

如果您正在寻找一些理论背景，查韦斯等人。(2005)构建了一个有趣的同义词并记录了它。

Answer 2

潜在语义映射似乎很合适。这与您可能会发现的算法一样天真。