我需要一种解决方案来识别书中不正确的章节标题。我们正在开发一个书籍摄取系统，可以进行各种验证，如拼写检查和过滤冒犯性语言。现在，我们想标记那些与章节内容不符的章节标题。例如，如果标题是“脾脏的功能”，我就不希望这一章节是关于肝脏的。
我熟悉模糊字符串匹配算法，但这似乎更像是自然语言处理或分类问题。如果我能匹配（或接近匹配）短语“脾脏的功能”，那就太好了——高置信度。否则，在文本中出现“功能”和“脾脏”的高频率也会产生置信度。当然，它们越接近越好。
这需要在内存中、即时地，并且使用Java完成。我的当前天真方法是简单地对所有单词进行标记化，删除噪声词（如介词），提取词干，然后计算匹配次数。至少我希望标题中的每个单词在文本中都出现一次。
是否有不同的方法，理想情况下考虑到距离和顺序等因素？
我熟悉模糊字符串匹配算法，但这似乎更像是自然语言处理或分类问题。如果我能匹配（或接近匹配）短语“脾脏的功能”，那就太好了——高置信度。否则，在文本中出现“功能”和“脾脏”的高频率也会产生置信度。当然，它们越接近越好。
这需要在内存中、即时地，并且使用Java完成。我的当前天真方法是简单地对所有单词进行标记化，删除噪声词（如介词），提取词干，然后计算匹配次数。至少我希望标题中的每个单词在文本中都出现一次。
是否有不同的方法，理想情况下考虑到距离和顺序等因素？