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