Python是否提供任何用于文本关系的库？

Question

我有一句话，让我们说“美国”和一份文本文件。 我想知道整个文件是否与“美国”有关。 在文档中，“美国”一词可能被提及过100或1000次，但是到今天结束时，文档可能在谈论中国。

我使用了Python中的情感分析库，但是只有当文档以肯定，否定或中性的方式提及该词时，这些库才会返回。

我还可以算出该单词被提及的次数，以及该单词与文档中每个单词之间的相似度，但是仍然不知道如何判断整个文档是否与所提到的单词有关。

python中是否有任何库可以执行此操作，或者是否有任何API？

Answer 1

对此没有真正好的完整解决方案库。 您可能需要使用NLTK之类的词干和分析（ http://www.nltk.org ）。 词干如下：“法拉利->跑车->汽车->运输”，这使您可以看到单词的“基本”概念。

然后，您可能需要进行某种TF / IDF分析，以确定确切的文档内容。 这将帮助您确定哪些单词很重要（ http://scikit-learn.org/stable/modules/generation/sklearn.feature_extraction.text.TfidfVectorizer.html ）。

关于TF / IDF的很好的教程可以在这里找到： http : //stevenloria.com/finding-important-words-in-a-document-using-tf-idf/