（初学者到）NLP：我正在尝试理解如何对文本中的单词进行分类，以识别与主题相关的所有单词

Question

我用BeautifulSoup浏览了一个网站，现在我想分析所有我浏览过的文本，并创建一个长长的列表，列出出现在该文本中的食物

示例文本

如果你是一个素食主义者，并且永远为你不能吃馄饨而哀叹，那么这些家伙就是为你准备的！馅料是用硬豆腐屑简单混合而成，用盐、姜、白胡椒和葱调味。它非常简单，但是很令人满意。 一定要把豆腐沥干，尽可能地把它晾干，这样馅料就不会太湿了。你甚至可以更进一步，给它一个新闻：线与纸巾盘子，把一些纸巾放在上面，并称豆腐下来与另一个盘子。 这些馄饨最好的地方是馅料完全煮熟了，所以你可以通过品尝来调整调味料。只要确保馅料比你自己吃的要咸一点就行了。馄饨皮的调味料不多。 这些家伙一闪而过，因为你所做的就是做馄饨皮。一旦你把它们放入沸水中，它们浮到水面上，你就可以走了。把他们扔进辣味的酱油醋调料里，你就上天堂了

我想从中创建一个长列表，其中列出： 馄饨、豆腐、醋、白胡椒、洋葱、盐

我不知道如果没有现成的食物清单我怎么能做到这一点。因此，任何建议都是很好的。寻找一些可以做到这一点，没有太多的手动干预自动(我对NLP和深度学习非常陌生，因此您推荐的任何文章/方法都非常有用！）

谢谢

Answer 1

如果你是这个领域的新手，你可以使用GENSIM，一个免费的python主题建模库，你可以使用潜在的语义分析或相似性查询来提取食物

https://radimrehurek.com/gensim/index.html