детектор языка

Question

Мне нужен код Java, который читает текст внутри документа и говорит, что на каком языке (английский, испанский, ...). Формат документа не важен. Я хочу, чтобы вывод был, например: «Этот документ на испанском». Пожалуйста, ведите меня таким образом и дайте мне пример кода для этого.

Answer 1

я бы использовал API Google Переводчик http://code.google.com/apis/language/translate/v1/using_rest_langdetect.html

Answer 2

Стандартный подход состоит в том, чтобы создать n-граммовые модели для ваших языков-кандидатов, затем построить аналогичную модель для целевого документа и сравнить с эталонными моделями с помощью простого вычисления расстояния редактирования.Сайт Гертьян ван Ноорда http://www.let.rug.nl/vannoord/TextCat/competitors.html содержит ссылки на несколько библиотек, которые вы можете использовать.

Answer 3

Библиотека Language-Detection довольно проста в использовании в Java (см. Пример кода) и надежна. Обнаружение не менее 53 языков из самых разных семей.