注意到 V2EX 评论页的一个细节，第一条评论上方的分类是怎么来的？

[gaocc]

如题，有点好奇，在第一条评论上方会有几个词语，是文章内容里的，怎么获取的，为什么是这几个？是 lucence 或者 ES 的分词？怎么提取的呢？

点击还能根据分词的类别进入对应列表，感觉很方便，想了解下，只是思路也行？

感谢各位 geek

[gaocc]

比如这次就是分词，评论，V2EX,lucence 这几个关键字

[lllllllllllllll]

应该是从你的问题描述和标题里面 抽出来的关键字。。具体有没有用机器学习算法不清楚。

[gaocc]

@lllllllllllllll ……想了解是怎么抽取和分离的，思路也行

[lllllllllllllll]

@gaocc 语义识别算法吧，很久之前就见过类似的算法。

[SourceMan]

https://ai.baidu.com/tech/nlp/doctagger

[crab]

之前看站长说过用的 jieba

[zakokun]

应该就是简单的分词而已，别想太多。

[zxy]

关于 V2EX 新的自动打标签功能 /t/96918

[gaocc]

@SourceMan 你发的这个，我测试了下有毒啊。标题用默认的苹果新闻，内容全删了，然后在 v2 里找一篇文章复制上去，没一个关键字和文章内容有关，全是苹果啥啥的

[gaocc]

@zxy 这好像是正解……我了解下，感谢

[Tink]

jieba

[gaocc]

求问，jieba 只能用 python 来写吗？ java 可以吗？
如果不行，java 用什么可以代替 jieba