|
|
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： 3p久久| 免费啊v在线观看 | 99久久精品国产免看国产一区 | 黄色片网站免费在线观看 | 波多野结衣在线观看一区二区三区 | 搞黄网站在线观看 | 国产永久在线视频 | 97国产精品视频 | 中文字幕一区二区视频 | 中文字幕二区三区 | 久久国产网站 | 亚洲一区视频在线播放 | 亚洲综合伊人色一区 | 久久涩精品 | 亚洲精品中文字幕午夜 | 欧洲精品一区二区三区在线观看 | 久久免费视屏 | 久青草国产手机视频免费观看 | 伊人免费在线观看 | 日本欧美国产精品第一页久久 | 亚洲一区二区中文 | 日韩一区二区三区视频 | 久久久久亚洲视频 | 久久亚洲精品无码观看不卡 | 4k岛国精品午夜高清在线观看 | 精品久久久久久国产91 | 91亚洲免费 | 在线加勒比 | 四虎在线免费观看视频 | 一级一级特黄女人精品毛片 | 美女被男人桶到嗷嗷叫爽网站 | 国产午夜精品久久久久九九 | 伊人色影院 | 在线观看www日本免费网站 | 国产福利一区二区 | 91看片淫黄大片在看 | 欧美日韩一区二区三区自拍 | 韩国一级毛片在线高清免费 | 四虎在线最新永久免费播放 | 一区二区三区鲁丝不卡麻豆 | 91精品国产免费久久 |