对于大量的文章，我想获得分配给不同主题的主题模型，并在主题内分配权重，不同子主题的权重是多少。例如，如果我提供一篇同时属于商业和技术领域的文章，那么程序的输出是这样的：-
- 0.593 业务 （ 0.438 - 市场营销 ， 0.375 - 公司， 0.062 - 办公室工作）
- 0.148 技术 （ 0.500 按类型划分的技术， 0.250 - High_technology商业区， 0.250 - 技术公司）
- 0.111 社会 （ 0.333 - 组织， 0.333 - 社会中的技术， 0.333 - 劳动力）
什么是最好的开源语言处理程序可以成功地完成这些工作？
您可以使用开源 NLTK 工具包进行分类。
我会
尝试一下NLTK，但是scikit-learn，即使它的学习曲线比NLTK更陡峭，也可能是一个更好的选择。它的可配置性要高得多。
http://scikit-learn.org/stable/documentation.html
有几个程序可以完成这项任务的一部分，对于初学者，我推荐 mallet。请注意，任何主题建模程序都会以您想要的形式为您提供主题，即
( 0.438 - Marketing , 0.375 - Companies, 0.062 - Office Work)
但您需要为自己分配标签（在本例中为业务）。Mallet 还为您提供了主题文本的分解（由数字标识，而不是由标签标识）。