Nlp 最适合我使用的红外软件？

我想了解人们在聊天室中聊天的内容，并执行以下信息检索：

获取关键字

忽略所有噪音词，主要保留动词和名词

对关键字执行词干分析，这样我就不会以多种形式存储相同的关键字

如果同义词关键字已存储在我的存储器中，则应使用现有同义词而不是新关键字

将处理过的关键字存储在持久性存储器中，并引用该关键字所在的聊天信息和发出该关键字的用户

有了这些经过处理的信息，我想慢慢了解人们在聊天室中谈论的内容，然后根据这些关键字自动查找相关聊天室等

---

我的问题是：做上述工作最好的C/C++或.NET工具是什么？

我部分同意@larsmans的评论。实际上，您的问题可能确实比您发布的问题更复杂

然而，简化这个问题，我想你的问题的答案可能是Lucene的一个实现：（Java），（C#）或（C++）

以下是你问题中的要点：

Lucene将通过使用字符串标记器（您可以自定义或使用自己的标记器）来处理第1点。 对于第2点，您可以使用like，这样Lucene就可以读取它不应该使用的停止词列表（“the”、“a”、“an”）。 对于第3点，您可以使用。 第4点有点棘手，但可以使用定制的。 第1点至第4点在分析/标记化阶段执行，由an负责

关于第5点，在Lucene中，您可以使用字段存储文档。一个文档可以有任意数量和混合的字段。因此，您可以为每个聊天室创建一个单独的文档，并将其所有文本连接在一起，并使文档的另一个字段引用从中提取的聊天室。你最终会得到一堆Lucene文档。因此，您可以将当前聊天室与其他聊天室进行比较，以查看哪个聊天室与您所在的聊天室更相似

如@larsmans所说，如果你只想用一组最好的关键词来描述聊天，那么你的需求更接近于信息提取/自动摘要/主题发现任务。但你可以分阶段

---

*我引用了Java文档，但是CLucene和Lucene.Net有非常相似的API，因此找出它们之间的差异不会有太大的麻烦。

这不是真正的信息检索，而是一项信息提取/自动摘要/主题发现任务。另外，你可能想把问题分成几个小问题，因为你要的东西可能不完整。