是否有在博客上执行文本分析的软件？[关闭]

我的公司正在寻求为过去11年的客户的Wordpress 2博客帖子创建PivotViewer可视化。但是，为此，我们需要编辑一些杂乱无章，不完整且通常较差的标签，以用作可排序的类别。我正在寻找一种工具，该工具将分析其博客条目并执行字数统计，以使我们对正在处理的内容有所了解。

理想情况下，它将具有所有这些功能：

1. 单词黑名单（忽略）
2. 词干
3. 自定义同义词合并
4. 计算所有用途
5. 计算单词出现的帖子数。

我本以为这种文本分析是非常普遍的，但是我还没有找到在整个博客上都能做到这一点的软件。有可用的软件来做到这一点吗？

您要寻找的软件可能有许多标题，例如“内容分析”，“标签云”或“元标签”，还有更多诸如“文本分析”和“文本挖掘”之类的标题。

有许多用于这些目的的软件工具，包括免费的和商业的。

我没有使用此类工具的亲身经历，但是文本分析工具是一个很好的起点，其中列出了数十种此类工具，包括免费的和商业的。

另一个这样的列表是Text Analysis，Text Mining和Information Retrieval Software。

看看Rapidminer或Weka

将其视为客户博客，您可能具有数据库访问权限。以纯文本格式下载所有文章，并使用上述程序之一来处理自然语言处理问题（1、2、3和5）。

用法的数量很难真正实现自动化，因为它与使用上下文自动确定单词的含义有关。

内容最丰富的分析软件之一是Provalis Research设计的WordStat

WordStat是QDA Miner或SimStat的文本分析模块。WordStat通过使用字典方法和许多算法探索或各种文本挖掘方法来结合内容分析方法。WordStat可以将现有的分类词典应用于新的文本语料库。它也可以用于新分类词典的开发和验证。与手动编码结合使用时，此模块可为更规则地应用编码规则提供帮助，帮助发现个人子组之间单词用法的差异，并使用KWIC（上下文中的关键字）表帮助修订现有编码。WordStat专为研究文本信息而设计，例如对开放式问题，访谈，标题，期刊文章，公开演讲，电子通信等的答复。

http://provalisresearch.com/products/content-analysis-software/

您可能想尝试一下Wolfram的Mathematica。您将必须进行一些编程，但是所需的所有工具都在其中：

• 数据库连接性，以便您可以获取博客文章
• 数据处理功能如下：Tally，GatherBy
• 语言分析（仅英语）：WordData

使用您博客上的Google搜索（如果拥有自己的域名，这是最简单的方法）可以快速而肮脏地回答其中的一些问题。

Zemanta会进行分析，并可以建议标签和链接。它也是一个wordpress插件。

唯一的问题：按照目前的情况，它需要手动打开以及选择和保存每个帖子。

虽然有大量的用于wordpress的自动标记插件。您应该搜索插件查找器并尝试一下。