基于java版jieba分词实现的tfidf关键词提取

基于java版jieba分词实现的tfidf关键词提取

为了改善我的 个性化新闻推荐系统的基于内容相似度的推荐算法效果，我尝试找寻关键词提取效果可能优于本来使用的ansj的tfidf的其它库，花了一番功夫后，发现tfidf算法本身并不复杂，但是训练tfidf的语料库可能才是性能的瓶颈，所以我找到了很有名的中文分词库 jieba分词的语料库，并且找到了 jieba分词的Java版本，于是fork了项目，并参照python版tfidf算法，实现了Java版本的tfidf算法，最后验证了效果一致。（PS：但是给原项目发pull request的时候没有人处理，看起来java版的项目似乎已经很长时间没有人维护了…）

我的项目链接放到了这里，欢迎大家star和fork，也欢迎提出任何建议和pull request，也希望以后能长期维护该项目，因为我本人对于自然语言处理的相关技术也是比较感兴趣的。