我正在做一个项目，我需要从文本中提取“与技术相关的关键字/关键短语”。比如我的文字是：
“ABC Inc 一直在开展与机器学习相关的项目，该项目利用现有库从大数据中查找信息。”
提取的关键字/关键短语应为：{机器学习，大数据}。
我的文本文档在 MongoDb 中存储为 BSON 文档。
有哪些最好的 nlp 库（具有足够的文档和示例）来执行此任务以及如何执行此任务？
谢谢！
【问题讨论】：
标签： machine-learning nlp text-mining jnlp text-extraction
看起来您不仅需要缩小关键字/关键短语的范围，还需要找到每个句子的主语和宾语。 对于主题/对象识别，我推荐使用 Stanford Parser 或 Google Language API，您可以在其中发送一个字符串并获得依赖树响应。
您可以先测试 Google API，看看它是否适用于您的语料库：https://cloud.google.com/natural-language/
这里的结果是一个主谓宾 (SPO) 三元组，您的谓词描述了关系。您需要遍历依赖图并编写一个脚本来解析出三元组。
其他包： 我经常使用 NLTK、Spacy 和 Textblob。如果语料库简单、通用且直接，那么 Spacy 和 Textblob 在 OOTB 中运行良好。如果语料库是高度定制的、特定于领域的、混乱的（拼写或语法不正确）等。我将使用 NLTK 并花更多时间通过擦洗、词形还原等自定义我的 NLP 文本处理管道。您可能想要添加自己的技术相关关键字和关键短语的自定义字典，以便您的解析器在您决定使用这些软件包之一时捕获这些。
NLTK 教程：http://www.nltk.org/book/
Spacy 快速入门：https://spacy.io/usage/
Textblob 快速入门：http://textblob.readthedocs.io/en/dev/quickstart.html
【讨论】：