|
|
要實現自動獲取關鍵詞的功能，大概可以分成三步
1，通過分詞算法將標題和內容分別進行分割，提取出關鍵詞和頻度。當前主要的兩個算法是中科院的ICTCLAS和隱馬爾可夫模型。但這兩個都太高端，有一定的門檻，且都是只支持C++/Java。基于php的當前有兩個是值得推薦的PSCWS和HTTPCWS。 SCWS于2008-03-08發布1.0.0 正式版，到現在最新版本已經到了1.0.4。PSCWS是它的php版。而HTTPCWS是張宴開發的，之前叫phpCWS。phpCWS 先使用“ICTCLAS 3.0 共享版中文分詞算法”的API進行初次分詞處理，再使用自行編寫的“逆向最大匹配算法”對分詞和進行詞語合并處理，并增加標點符號過濾功能，得出分詞結果。不過很遺憾目前僅支持Linux系統，尚未移植到win平臺上。
2，將提取結果與現有詞庫進行比較，處理，去除無用的詞得到最符合規則的關鍵詞。這里主要就是要看詞庫了，我們可以自己定義詞庫，也可以使用現有的成熟詞庫。比如新浪和網易博客都有這個功能,。他們分詞應該有不錯的詞庫，因為他們都是大網站，而我呢，區區一個小程序員，不可能搞到什么權威的詞庫，所以只能從現有的開源程序上入手，看看他們的詞庫。
3，在處理后的提取結果中選擇適當的作為最終的關鍵詞，得到最符合當前內容的關鍵詞，在這個階段就是具體情況具體分析了，無論如何也不可能達到人的那種智能化。最多是。當前php類CMS都自有自己的提取關鍵詞系統。
目前在網絡上流傳最廣的是DEDECMS的分詞源碼，我做了測試，發現相當的呆，效果很不好。它先設置一個關鍵詞長度，確定獲取關鍵詞的數量，然后取詞，它認為標題分好的詞就是所需關鍵詞，在加上從正文中讀取關鍵詞只到達到這個所設置的長度，就是最終關鍵詞了。另外類似“我們”等無意義的詞也沒有去除掉提取并被列為關鍵詞的頻率太高，甚至有時候還會把空格的HTML提出來做為關鍵詞，亟待改進。不過如果作為輔助功能，它已經很好了。而discuz的稍微好一些，但是discuz并沒有提供源碼，只是提供了一個在線api。
而dede的分詞也有好幾個版本，最好的應該是最新版的吧，出現頻率什么都有了，下面就以dede5.7的分詞和discuz的api的結果對比下
測試例子：
$title="THINKphp官方即將停止對2.0版本的支持";
$body="了更好地做好Thinkphp框架的開發、維護和支持工作，官方宣布從2012年5月1日起s對2.0及之前版本的維護和支持，為了節能低碳考慮，同時也取消官網的相應版本和文檔下載。
就此緬懷那些年，曾經一起開發的Thinkphp版本吧！
關于Thinkphp 2.0版本
Thinkphp誕生于2006年，致力于WEB應用的快速開發，其2.0版本發布于2009年10月1日 ，在之前的1.*版本上完成新的重構和飛躍，當時是一次劃時代的版本，為新版奠定了基礎，同時也積累了較多的用戶群和網站，隨著框架的快速更新，和新版2.1、2.2和3.0版本的陸續發布，預示著Thinkphp的3.0時代到來了，2.0的生命周期宣告結束。但基本上2.0的很多功能都延續或者完善到2.1版本中了，從2.0版本升級到2.1和2.2版本也相對輕松。2.2版本是2.*版本的最終版本，不再更新功能，僅做BUG修復。";
一、dede分詞
將結果排序后如下
主站蜘蛛池模板： 99精品视频免费在线观看 | 日本a级大片 | 国产一区精品在线 | jlzzxxxx18hd护士| 资源首页二三区 | 国产成人精品免高潮在线观看 | 美女一级a毛片免费观看97 | 精品欧美乱码久久久久久1区2区 | 婷婷久久网 | 男人天堂视频在线观看 | 国产特级毛片 | 欧美三级免费观看 | 99热精品在线观看 | 视频精品一区 | 国产一区不卡 | 欧美精品一区在线 | 日韩伦理一区二区 | 国产一区二区三区免费 | 亚洲一区二区久久 | 国产精品自拍啪啪 | 国产91视频一区二区 | 国产激情精品视频 | 亚洲 精品 综合 精品 自拍 | 91视视频在线观看入口直接观看 | 精品一区二区三区四区外站 | 久久99这里只有精品 | www.久久久久久久久 | 精品99在线 | 不卡在线视频 | 青青草视频网 | 九九热视频这里只有精品 | 欧美vide | 91超碰caoporn97人人 | 中文字幕一区二区三区乱码图片 | 99热国产精品| 国产精品久久久久久网站 | 欧美日韩网站 | 亚洲美女在线视频 | 不卡视频在线 | 国产精品久久久一区二区三区 | 一区二区三区视频 |