店内商品自动分类，可以吗？

Question

我有一个商店中商品的数据库。它们都是蔬菜、水果、坚果、浆果等……我需要对它们进行分类。例如，我应该将不同类型的土豆归为一组 - 马铃薯、西红柿 - 番茄等……

最直观的方法是使用规则进行分组，例如，如果项目名称包含单词potato，则应将其分组在类别potatoes等下...

但是有很多类别，我正在寻找自动方法。例如在一组项目中寻找最常见的词。

我确定我不是第一个解决此类问题的人，因此应该已经解决了，至少部分解决了。也许有一些图书馆可以帮助我，神经网络。

提前谢谢你。

附：最好的解决方案是基于 Java 的解决方案，但不是必须的。

Answer 1

根据我从您（尽管缺少）示例中了解到的情况，您可以执行以下操作：

1. 标记化（在您的情况下 - 只是拆分成单词，删除标点符号）
2. 词干提取（Porter 词干分析器会做）
3. 删除停用词

你就完成了。您可以将结果用于标记/分类。 关于 SO 处理这些过程有很多问题，例如： Tokenizer, Stop Word Removal, Stemming in Java