Я хочу извлечь релевантные ключевые слова из html-страницы. Я уже удалил весь html-материал, разбил текст на слова, использовал стеммер и удалил все слова, появляющиеся в списке стоп-слов, из lucene. Но теперь у меня все еще есть много основных...

Допустим, у меня есть индекс ElasticSearch, определенный следующим образом: curl -XPUT 'http://localhost:9200/test' -d '{ "mappings": { "example": { "properties": { "text": { "type": "string", "analyzer":...

Я ищу библиотеку Java или что-то, чтобы сделать вывод итальянских строк слов. Цель - сравнить итальянские слова. В данный момент такие слова, как «attacco», «attacchi», «attaccare» и т. Д., Считаются разными, вместо этого я хочу получить истинное...

Я использую анализатор немецкого языка для токенизации некоторого контента. Я знаю, что это в основном фильтр макросов для "нижних регистров", "german_stop", "german_keywords", "german_normalization", "german_stemmer". Моя проблема связана с...

Я хочу использовать стеммер литовского языка в Python, однако литовский язык отсутствует в распространенных инструментах, таких как NLTK. . Однако я смог найти файлы Snowball .sbl литовских стеммеров здесь и здесь . Но как их использовать...

Передача df[language] работает для стоп-слов, но не для снежного кома. Есть ли способ обойти это? Я пока не нашла никаких зацепок... import nltk from nltk.corpus import stopwords import pandas as pd import re df = pd.DataFrame([['A sentence...