適用於大規模文檔關鍵詞抽取的利器(flashtext)

從文檔中抽取關鍵詞並對關鍵詞相關的變體進行替換，是信息抽取中常用的做法之一，特別是基於規則詞典的方法。常見的實現方式是基於正則表達式的方式，2017年的這篇文檔介紹則實現了一種全新的算法及其實現原理：flashtext (Replace or Retrieve Keywords In Documents at Scale)。該方法的效率如下圖所示：(時間效率上可以看出是一條平衡的直線，不隨文檔詞的

>>阅读原文<<