Python 是否提供任何用于文本关系的库？

Question

我有一个词，让我们说“美国”，还有一个文本文件。我想知道整个文件是否是关于“美国”的。 “美国”这个词在文件中可能会被提及 100 或 1000 次，但到最后，文件可能会谈到中国。

我浏览了 Python 中的情绪分析库，但只有当文档以正面、负面或中立的方式提及该词时，这些库才会返回。

我还可以计算单词被提及的次数，以及单词与文档中每个单词之间的相似度，但仍然不知道如何判断整个文档是否与提到的单词有关。

python 中是否有任何库可以执行此操作，或者任何 API？

Answer 1

没有任何真正好的完整解决方案库。您可能希望使用 NLTK 之类的东西来进行词干提取和分析 (http://www.nltk.org)。词干如下：“法拉利->跑车->汽车->交通工具”，这可以让你看到一个词的“基础”概念。

然后，您可能需要进行某种 TF/IDF 分析，以确定文档的确切内容。这将帮助您确定哪些词很重要 (http://scikit-learn.org/stable/modules/generated/sklearn.feature_extraction.text.TfidfVectorizer.html)。

关于 TF/IDF 的好教程可以在这里看到：http://stevenloria.com/finding-important-words-in-a-document-using-tf-idf/