Добрый день. Написал небольшие модули для обработки текста на русском языке.
Основное:

• Получение списка: “слово, вес слова”. (поиск ключевых слов)
  
• Нахождение ключевых словосочетаний.
  
• Математическое представление текста (в виде точки/вектора).
  
• Работа с полученным представлением. (сравнение текстов между собой - нахождение коэффициента подобия и т.п.)
  

Интересна ли данная тематика кому-нибудь еще? Стоит ли выкладывать исходники, писать статьи?

я бы почитал)
а статью конечно надо В)) а то никак времени на контент не найдём

Пишите. Лучше — в своем блоге. Если нет — сделайте. Потом опубликуйте ссылку. Выкладывайте исходники на github или где вам удобней.

Хм.. а NLTK - http://text-processing.com/ - не оно? или Вы хотите статьи по использованию NLTK написать?

lavrton
Математическое представление текста (в виде точки/вектора).
Работа с полученным представлением. (сравнение текстов между собой - нахождение коэффициента подобия и т.п.)

Этого в nltk нет; очень пригодилось бы тем кто работает в области “information retrieval”…

lavrton
Получение списка: “слово, вес слова”. (поиск ключевых слов)
Нахождение ключевых словосочетаний.

а это есть (FreqDist(), collocations())

Открыл git репозиторий https://github.com/lavrton/textAnalyzer. Туда буду кидать оформленные наработки по обработки текста. Если кому-то интересно, жду обратной связи.

Данные скрипты могут извлечь n-gram'ы произвольного порядка из подаваемой коллекции текстов?

Нет и не планируется.