如何在Java中使用模糊逻辑验证文本的章节标题

我需要一个解决方案来识别书中不正确的章节标题

我们正在为书籍开发一个摄取系统，可以进行各种验证，比如拼写检查和攻击性语言过滤。现在，我们想标记章节标题，鉴于章节正文，这些标题似乎不准确。例如，如果标题是“脾脏的功能”，我不希望这一章是关于肝脏的

我熟悉模糊字符串匹配算法，但这更像是NLP或分类问题。如果我能匹配（或接近匹配）“脾脏功能”这句话，那就太好了——高度自信。否则，文本中“功能”和“脾脏”的大量出现也会产生信心。当然，他们的关系越密切越好

这需要在内存、动态和Java中完成

我目前的天真方法是简单地标记所有单词，删除干扰词（如介词），去掉剩下的单词，然后计算匹配数。至少我希望标题中的每个单词在文本中至少出现一次

---

是否有一种不同的方法，理想的方法是考虑到邻近性和顺序等因素

我认为这是一个分类问题，因此请看一下

WEKA很棒，谢谢！我也一直在研究其他类似的解决方案，问题是：它们都需要一个培训集。但在这种情况下，我没有。只有一章正文和一个标题。那么，如何仅从一个样本创建分类器呢？我找不到这方面的任何信息。我在考虑：假设这一章是一致的，并且是关于一个有重点的主题，简单地把它切碎成小文档，然后进行培训？但我看不到这在任何地方都能实现，所以也许有一个原因说明它本质上是徒劳的？我假设你将分析大量的书籍，因此我认为你可能会有更多的一个标题处理类似的主题。如果是这样的话，你可以从这些书中选择一部分作为训练集（显然你需要一个人来对它们进行分类）。您还可以使用人工重新评估分类算法来添加到训练集中。我会天真地使用KNN算法。。。我在过去遇到过一个像你一样的问题，我曾与一个团队并行工作，通过分类算法解决了这个问题。我不记得如果我能够解析大量的书籍（而不是一次一本），如何将标记作为最佳答案，因为Yaneeve提供了一个完美的解决方案。