如何通过聚类或其他算法实现一组名词的抽象，也可以说是关键词的提取？

Question

例如，用户输入以下词组：组织机构代码，公司代码，学校代码，车辆牌照，公司牌照，学生姓名，道路运政。通过关键词提取算法后归为两个类：代码和牌照。如果有其他杂项比如学生姓名道路运政这类零散的不会抽象出来一个关键词。
哪位朋友有类似的代码，C++,Java等都可以。请发给我，不胜感激。

Answer 1

你这个需求算是特征提取，并统计特征的个数，再按照特征的个数逆序。
1）先用分词搞个基本粒度切分，比如，组织机构代码 切分成：组织/机构/代码 公司代码 切分成: 公司/代码
2）再按照切出来的词，使用map映射，key为词，value为词对应的个数。加载所有的词，得到一张map
3）遍历map，按照个数排序，提取超过一定法制的特征值。