Java中的文本分类
我需要某种Java解决方案来满足以下要求：Java中的文本分类,java,classification,Java,Classification,我需要某种Java解决方案来满足以下要求： 在文本中搜索某些术语（每个术语可以是1-3个单词）。例如：{“你好，世界”，“你好”}。比赛必须精确 有大约500种类型的术语组，每个组包含大约30个术语 每个文本最多可包含4000个单词 性能是一个重要问题 谢谢， Rod使用正则表达式。请参阅：使用正则表达式。请参阅：我为定制的垃圾邮件过滤器做了类似的工作 我发现一种既简单又快速的技术是： 首先将输入文件拆分为单词 对每个单词调用intern（），以简化步骤3中的比较 创建一个术语类，封装最多三个字
Rod使用正则表达式。请参阅：使用正则表达式。请参阅：我为定制的垃圾邮件过滤器做了类似的工作 我发现一种既简单又快速的技术是：
intern（）术语equals（）String.equals（）术语Multimap我为一个定制的垃圾邮件过滤器做了类似的事情 我发现一种既简单又快速的技术是：
intern（）术语equals（）String.equals（）术语Multimap这似乎有两个部分。设计一个合适的算法，并用Java实现。（现在让我们暂且不提“外面”肯定有人已经实现了这一点，你可能会找到一些想法。） 似乎我们想避免重复昂贵的工作。但目前还不清楚成本会在哪里。所以我想你需要准备好对一些候选方法进行基准测试。还要记住什么是“足够好” 用你能想到的最简单的方法开始。测量一下。你可能会得到一个令人惊讶的结果，那就是它已经足够好了。停在那里！例如，这真的很愚蠢：
read text into String (4k, that's not too big)
for each term
use regexp to find matches in text
prepare a collection of terms keyed by first word
tokenize the text
for each token
find terms that match
check for match (using look ahead for multi-word terms)
至于用Java实现。单独的问题如果需要，可以问具体的问题 这似乎有两个部分。设计一个合适的算法，并用Java实现。（现在让我们暂且不提“外面”肯定有人已经实现了这一点，你可能会找到一些想法。） 似乎我们想避免重复昂贵的工作。但目前还不清楚成本会在哪里。所以我想你需要准备好对一些候选方法进行基准测试。还要记住什么是“足够好” 用你能想到的最简单的方法开始。测量一下。你可能会得到一个令人惊讶的结果，那就是它已经足够好了。停在那里！例如，这真的很愚蠢：
read text into String (4k, that's not too big)
for each term
use regexp to find matches in text
prepare a collection of terms keyed by first word
tokenize the text
for each token
find terms that match
check for match (using look ahead for multi-word terms)
至于用Java实现。单独的问题如果需要，可以问具体的问题 听起来不错。那么你做了什么来解决这个问题呢？听起来不错。那么你做了什么来尝试解决这个问题呢？+1回答得好，实习生的想法是一个有用的实现提示。谢谢。把课文分成几个部分是个好主意。这样的复杂性是合理的（~文本中的字数*术语中的最大字数（在我的案例3中））。+1回答不错，实习生的想法是一个有用的实现提示。谢谢。把课文分成几个部分是个好主意。这样的复杂性是合理的（~文本中的字数*术语中的最大字数（在我的案例3中））。