当您从多个来源看到新闻时,可能有多个来源(网站)谈论同样的内容。
是否有Python/C++/C#/Java库可以比较来自不同来源的多个句子,并确定它们之间的相关性,以便结果可用于新闻分组?
看一下ntlk。他们有一个分类模块,可以用于各种类型的分类。
请参考这里:使用"SmartBrowser"进行网页内容分析。 这里有一个有趣的样例,但您需要与作者联系。