这是我第一次涉足NLP，请原谅我的无知。我正在寻找一种从用户的社交资料中提取兴趣/爱好/爱好的方法。这是所有兴趣/喜好/爱好都以粗体显示的示例：
“我认为自己是一个非常多元化的角色...我是一名专业人士
摔跤手，但我会为Wall•E做子弹。我在体育馆里像单人种族灭绝机一样训练，但是我哭了
“世界末日。”我会去AC / DC，我很认真
考虑获得《塞尔达传说》纹身。我友好420。一世
想要与兄弟人群聚会一晚，和
接下来我的《燃烧的人》朋友，玩《光晕》和《世界》
接下来玩魔兽，与不小于年龄的朋友们聚在一起
40下。我最小的朋友是16岁，最大的朋友是66岁。
在酒吧里唱卡拉OK，我是我朋友的集体
精神科医生/肩膀。”
配置文件是纯文本。没有任何与之相关的元标记或ID，它只是一段文本。
我幼稚的想法是接受每个名词并将其与Freebase匹配，以查看它是否是一项活动/艺术家/电影/书籍等。问题在于，尽管提到的大多数实体都是用户喜欢的事物，但她也会提及她所提及的事物我不喜欢，我也无法区分2。
我有两个问题：
我应该关注NLP的哪个子领域？一些谷歌算法/技术/作者将不胜感激。
这个问题有多难？
谢谢！
最佳答案
首先，除非使用NLP这样做是您的特定目标，否则请检查问题域以查看是否可以完全避免。
例如：
这些配置文件是否包含标签（由网站或由
用户）？
网站的API提供了哪些功能（假设您就是这样
正在访问此数据；如果您要刮，那不是
当然适用）？一个很好的例子，Facebook。如果您阅读了用户的帖子，
您会看到“摔跤手”，“卡拉OK”等字眼，但是如果您查看
通过Graph API公开哪些字段，您会看到这些
活动几乎总是具有关联的FB ID。
我不是该领域的专家，但是我可以推荐一些针对NLP的资源，非专家或新手都可以使用。第一个是text processing API。这个简单的Web服务使用REST和JSON IO。它是免费的，并且似乎有相当大的速率限制。
该API似乎严重依赖于出色的Natural Language Tooolkit（NLTK），这是python中一个成熟的稳定库，其中包括针对您的问题中的问题的模块，例如，情感分析，标记和块提取等。
哪个特定子域与解决OP中的问题最相关？我不知道，但是我怀疑NLTK中是否有一个模块可以满足您的需求。阅读API Documentation部分，其中包含对NLTK模块的出色调查以及每个模块的演示。
关于nlp - 从社交资料中提取用户兴趣，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/9552073/