有没有一种算法可以确定文本与主题的相关性

Question

我想知道什么可以用来确定页面与游戏、电影等主题的相关性。

是否在这方面进行了一些研究，或者只计算了一些相关单词出现的次数？

Answer 1

常见的选择是对单词袋（或n-gram袋）特征进行监督文档分类，最好使用tf idf加权。

流行的算法包括朴素贝叶斯和（线性）SVM。

对于这种方法，您需要标记的训练数据，即用相关主题注释的文档。

例如，参见信息检索导论，第13-15章。