基于Tika的复合文档文本信息抽取及其应用开发

• 作者: 吴鹏飞
• 来源期刊: 电脑编程技巧与维护
• 学科: 工学
• 关键词: Tika 信息抽取 元数据 中文分词 复合文档
• 年，卷（期）: 2012,（21）
• 所属期刊栏目: 计算机安全与维护
• 页码范围: 85-88
• 分类号: TP391.1
• 字数: 3068字
• 语种: 中文
• DOI: 10.3969/j.issn.1006-4052.2012.21.019

摘要

介绍了开源复合文档文本信息抽取工具Apache Tika的应用环境、系统架构、功能函数和支持的文档格式,介绍一个开发应用实例为下一步深入进行文本内容索引、实体关系识别、语义分析和跨语言理解等奠定了良好的基础.