将论坛讨论编译成分类文章或信息的算法/方法？答案

【问题标题】：Algorithms/methods to compile forum discussions into categorized articles or information?将论坛讨论编译成分类文章或信息的算法/方法？
【发布时间】：2012-01-07 09:48:29
【问题描述】：

我正在为网络设计和编写一个基于 Java 的基于知识的社区共享系统（论坛、问答、学生、教授和专家之间的文章共享）。

我需要使用一些数据挖掘/文本处理技术/算法来分析专家和学生之间的讨论（使用标签对讨论进行分类），并针对特定的相似主题创建适当的注释和汇编。

我不是此类可用算法或工具的专家。如果有人能给我一些指示或解释我如何解决这个问题，那就太好了。

谢谢！！

【问题讨论】：

标签： java data-mining text-mining

【解决方案1】：

开始阅读文本挖掘。您的问题没有一般的答案，因为它不够精确。你必须更精确地确定你的目标，然后人们才能为这些建议方法。你的“分析”太宽泛了。数字数也是“分析”！

那么：你想识别、分组或预测什么？

【讨论】：

感谢您的回答。基本上，我希望该程序能够总结彼此相似的讨论（共享最大标签和类似的问题/主题），以便人们稍后阅读。例如，假设一个问题有 20 到 25 个答案，长短不一，提问者选择了最佳答案，也可能给其他人打分。该算法需要选择一组相似的问题（比如 2/3）并以基本问题（答案+辩论/挑战）格式生成摘要。

【解决方案2】：

对于文章的分类，您可以使用 LSA（潜在语义分析）技术。

您可以查看这些工具进行文本处理。

LingPipe：处理文本的工具包。
Lucene：文本挖掘
Solr：强大的文本搜索工具

【讨论】：