我需要一些灵感。对于一个爱好项目，我正在玩内容分析。我基本上是在尝试分析输入以将其与主题图相匹配。
例如：
我一直在阅读很多关于分类学的内容，最后，无论我读到什么，都得出结论，所有人的标签都不一样，因此系统必然会失败。
我考虑过标记化输入和停用词列表，但它们当然需要大量的工作来提出和构建。建立单词和主题之间的相关链接似乎很累，而且永远不会结束，因为无论你处理什么语言，它都非常丰富，而且大多数语言也严重依赖于上下文。更别说维护了。
我想我需要想出一些聪明的东西，并用我希望它能够猜测的主题来训练它。有点像Eliza 机器人。
无论如何，我不相信有什么东西可以开箱即用，但是有没有人有任何技术线索或示例可用于分析输入以提取含义？
喂。我首先会在OpenCalais中查找文本或输入中的实体。很棒，而且我自己也用过很多次（来自路透社的人）。
之后，您可以进一步分析文本，在实体和单词之间创建关联。我可能会在WordNet之类的东西中查找它们并尝试对它们进行典型化，或者甚至自动生成一些与您要映射的域相匹配的本体。
至于如何将它们整合在一起，您可以做很多事情；以上，或试图弄清楚单词是什么和意思的两遍或三遍模型。或者，如果您控制输入，则制作一种更易于解析的格式，或者走NLP 的阴暗道路（这很有趣）。
或者您可以使用Jena之类的工具来解析任意 RDF 片段，尽管我自己不喜欢 RDF 前提（我是主题映射器）。我写了一些东西，在 WikiPedia 中查找单词、短语或名称，并根据 WikiPedia 页面中找到的语义对它们的命中率进行评分（如果需要，我可以告诉你更多细节，但工作不是更有趣吗？走出自己，想出比我更好的东西吗？:)，即。链接的数量、SeeAlso 的数量、文本的数量、讨论页面的大小等。
这些年来，我写了很多东西（甚至用 PHP 和 Perl；看看Robert Barta 在 CPAN 上的 Topic Maps 东西，尤其是 TM 模块中的一些有趣的东西），从引擎到解析器，再到中间奇怪的东西。关联数组将单词和短语分开，创建累积直方图以对其组件进行排序等等。这都是有趣的东西，但至于收缩包装的工具，我不太确定。每个人的目标和需求似乎都不一样。这取决于你想变得多么复杂和复杂。
无论如何，希望这会有所帮助。干杯! :)
SemanticHacker完全符合您的要求，开箱即用，并且具有友好的 API。它在短句上有些不准确，但对于长文本来说却是完美的。
听起来您正在寻找贝叶斯网络实现。你可以通过使用Solr 之类的东西来获得。
另请查看CI-Bayes。Joseph Ottinger今年早些时候在 theserverside.net 上写了一篇关于它的文章。