用城市/地区或者原产地自动标记文本的一些好的算法是什么？也就是说，如果博客是关于纽约的，我该如何以编程的方式告诉他们。是否有包装或者文件声称可以做到一定程度的确定性？

我看过一些基于tfidf的方法，专有名词的交集，但到目前为止，还没有任何成功的经验，我非常感谢想法！

给定一些主题列表，更笼统的问题是关于为主题分配文本。

简单/幼稚的方法比完整的贝叶斯方法更可取，但是我很开放。

解决方案

我们正在寻找命名实体识别系统，或者简称NER。有几个很好的工具包可以。特别是LingPipe有一个非常不错的教程。 CAGEclass似乎围绕NER定位在地理地名上，但是我还没有使用过它。

这是一个很好的博客条目，介绍了NER与地理位置名称之间的困难。

如果我们要使用Java，建议我们使用LingPipe NER类。 OpenNLP也有一些，但是前者有更好的文档。

如果我们正在寻找一些理论背景，Chavez等人。 (2005)构造了一个有趣的系统并记录了下来。

潜在语义映射似乎很适合。就像我们可能会发现的那样，这只是一种天真的算法。