查找与某个主题相关的所有文本段落答案

【问题标题】：Find all paragraphs of text that are related to a topic查找与某个主题相关的所有文本段落
【发布时间】：2014-07-02 23:24:52
【问题描述】：

给定一组单词 ["college", "sports", "coding"] 和一组文本段落（即 Facebook 帖子），我如何查看每个单词与该主题相关的段落？

那么对于大学来说，我如何才能找到所有可能与主题大学有关的文本段落？

我是自然语言处理的新手，在正则表达式方面不是很先进。关于如何开始的线索，谷歌的正确条款等，我们很感激。

【问题讨论】：

标签： regex nlp

【解决方案1】：

一个基本的想法是遍历您的帖子并查看是否有任何帖子与任何主题匹配。

假设我们有以下帖子：

帖子 1：达达达达达学院 fgdssfgoksh jkhsfdkjshdkj 体育 hfjkshgkjshgjhsdgjkhskjgfs。

帖子 2：体育达达达达达 fgdssfgoksh jkhsfdkjshdkj hfjkshgkjshgjhsdgjkhskjgfs。

帖子 3：编码 adskjdsflkshdflksjlg lsdjk hsjdkh kdsafkj asfjkhsa 编码 fhksajhdf kjhskfhsfd ssdggsd。

以及以下主题：

[“大学”、“运动”、“编码”]

正则表达式可以是：(topicName)+

例如：(college)+ 或 (sports)+ 或 (coding)+

小伪代码：

for every topicName
    for every post
        var customRegex = new RegExp('(' + topicName + ')+');

        if customRegex.test(post) then
            //post matches topicName
        else
            //post doesn't match topicName
        endif
    endfor
endfor

希望它能给你一个起点。

【讨论】：

【解决方案2】：

精确的字符串匹配不会让您走得太远，尤其是对于小文本片段。我建议您为此使用semantic similarity。一个简单的网络搜索将提供多种实现方式。

【讨论】：