正在寻找信息检索/文本挖掘应用程序或库

a look at R 它有大量的文本挖掘包: have a look at the Natural Language Processing view 。特别是,看看 tm 包裹。以下是一些相关链接:

• 《统计计算杂志》上关于该软件包的论文: http://www.jstatsoft.org/v25/i05/paper 邮件列表( https://stat.ethz.ch/pipermail/r-devel/ )2006年的新闻组帖子。
• 套餐主页: http://cran.r-project.org/web/packages/tm/index.html
• http://cran.r-project.org/web/packages/tm/vignettes/tm.pdf

此外,R还提供了许多解析HTML或XML的工具。有 a look at this question for an example using the RCurl and XML packages .

编辑: 你可以 integrate R with Java with JRI 这是一个使用非常广泛的包,有很多例子。 You can also see these related questions .

• LingPipe - LingPipe是一套用于人类语言语言分析的Java库。
• Lucene - Apache Lucene是一个完全用Java编写的高性能、功能齐全的文本搜索引擎库。

groovy

我使用Flex和C++制作的自定义解析器用于类似目的。我建议你看看java中的解析器生成器(javaCC.jj文件) javacc-faq