问题描述
|
我已经阅读了许多有关计算文本趋势的算法和通用方法的文章，但是我需要一个实用，简单的示例来说明如何使用PHP进行此操作。
有一篇比其他文章更有帮助的文章建议规范化每个文本，然后根据单词将每个单词分成一个数组（在剔除链接，用户名等之后），从每个消息中为每个单词构建一个大数组，然后使用array_count_values查找哪个词最常见。这似乎可行，但我不知道这是否是最好的方法。例如，似乎更倾向于单字结果而不是短语（\“ Barack \”和\“ Obama \”而不是\“ Barack Obama \”）。
有没有比这更好的方法了？我可能会使用的实际示例或预先存在的解决方案（脚本或类）？谢谢！
解决方法
如果您不先收集大量有关单词和短语的数据，就很难自动执行您要的操作。
除非您愿意花费大量的时间，金钱和持续的资源来使其自动化，否则我要么建议手动创建一个应视为短语的单词列表（例如，如果巴拉克和奥巴马相邻，将其提取为巴拉克·奥巴马（Barack Obama），或者只是忘掉整个内容，并按照帖子中的说明进行操作。
可能有一些外部服务可以按照您想要的方式解析数据，但是毫无疑问，它们的价格会很高