php实现自动获取生成关键词功能_PHP教程-php教程-PHP中文网

首页

后端开发

php教程

php实现自动获取生成关键词功能_PHP教程

WBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWBOYWB

Jul 13, 2016 pm 05:52 PM

phptag人什么使用关键词功能实现生成的程序自动获取要求输入

tag什么的都是要求使用程序的人自行输入，对于某些懒人及为了程序的体验，则是希望可以有自动生成文章关键词，自动获取文章tag的类似功能，这次为了迎接新的项目，所以捣鼓了一晚上，研究了一下这个功能。
要实现自动获取关键词的功能，大概可以分成三步
1，通过分词算法将标题和内容分别进行分割，提取出关键词和频度。当前主要的两个算法是中科院的ICTCLAS和隐马尔可夫模型。但这两个都太高端，有一定的门槛，且都是只支持C++/JAVA。基于PHP的当前有两个是值得推荐的PSCWS和HTTPCWS。 SCWS于2008-03-08发布1.0.0 正式版，到现在最新版本已经到了1.0.4。PSCWS是它的PHP版。而HTTPCWS是张宴开发的，之前叫PHPCWS。PHPCWS 先使用“ICTCLAS 3.0 共享版中文分词算法”的API进行初次分词处理，再使用自行编写的“逆向最大匹配算法”对分词和进行词语合并处理，并增加标点符号过滤功能，得出分词结果。不过很遗憾目前仅支持Linux系统，尚未移植到win平台上。
2，将提取结果与现有词库进行比较，处理，去除无用的词得到最符合规则的关键词。这里主要就是要看词库了，我们可以自己定义词库，也可以使用现有的成熟词库。比如新浪和网易博客都有这个功能,。他们分词应该有不错的词库，因为他们都是大网站，而我呢，区区一个小程序员，不可能搞到什么权威的词库，所以只能从现有的开源程序上入手，看看他们的词库。
3，在处理后的提取结果中选择适当的作为最终的关键词，得到最符合当前内容的关键词，在这个阶段就是具体情况具体分析了，无论如何也不可能达到人的那种智能化。最多是。当前PHP类CMS都自有自己的提取关键词系统。
目前在网络上流传最广的是DEDECMS的分词源码，我做了测试，发现相当的呆，效果很不好。它先设置一个关键词长度，确定获取关键词的数量，然后取词，它认为标题分好的词就是所需关键词，在加上从正文中读取关键词只到达到这个所设置的长度，就是最终关键词了。另外类似“我们”等无意义的词也没有去除掉提取并被列为关键词的频率太高，甚至有时候还会把空格的HTML提出来做为关键词，亟待改进。不过如果作为辅助功能，它已经很好了。而discuz的稍微好一些，但是discuz并没有提供源码，只是提供了一个在线api。
而dede的分词也有好几个版本，最好的应该是最新版的吧，出现频率什么都有了，下面就以dede5.7的分词和discuz的api的结果对比下
测试例子：

$title="THINKPHP官方即将停止对2.0版本的支持";
$body="了更好地做好ThinkPHP框架的开发、维护和支持工作，官方宣布从2012年5月1日起s对2.0及之前版本的维护和支持，为了节能低碳考虑，同时也取消官网的相应版本和文档下载。
就此缅怀那些年，曾经一起开发的ThinkPHP版本吧！
关于ThinkPHP 2.0版本
ThinkPHP 诞生于2006年，致力于WEB应用的快速开发，其2.0版本发布于2009年10月1日，在之前的1.*版本上完成新的重构和飞跃，当时是一次划时代的版本，为新版奠定了基础，同时也积累了较多的用户群和网站，随着框架的快速更新，和新版 2.1、2.2和3.0版本的陆续发布，预示着ThinkPHP的3.0时代到来了，2.0的生命周期宣告结束。但基本上2.0的很多功能都延续或者完善到2.1版本中了，从2.0版本升级到2.1和2.2版本也相对轻松。2.2版本是2.*版本的最终版本，不再更新功能，仅做BUG修复。";

一、dede分词
将结果排序后如下

标题Array
(
[THINKPHP] => 1
[官方] => 1
[即将] => 1
[停止] => 1
[对] => 1
[2.0] => 1
[版本] => 1
[的] => 1
[支持] => 1
)
内容Array
(
[版本] => 12
[的] => 12
[和] => 8
[ThinkPHP] => 5
[2.0] => 5
[也] => 3
[2.2] => 3
[2.1] => 3
[开发] => 3
[3.0] => 2
[是] => 2
[快速] => 2
[到] => 2
[发布] => 2
[维护] => 2
[之前] => 2
[了] => 2
[新版] => 2
[支持] => 2
[框架] => 2
[同时] => 2
[从] => 2
*******

对此如何取出最终的需要的关键词呢？初步思路是先去除“的”，“些”这些词，再按照内容的排序顺序，依次看分到是否出现在标题中出现即为所需的，这样可以取出一定量的词最为最终关键词。如上结果我们可以得到

版本 thinkphp 2.0 支持停止

五个关键词。看起来结果还是可以接受的。
二、在来看discuz的，利用api得到的是一个xml文档，解析后得到的关键词是

的、快速、版本升级、开发、用户

五个词，第一个是“的”......
对比这两种方式发现第一种dede+后续处理的较为接近文档的内容，应该是稍好一些，而discuz的偏离了文章的主题，但是其取到词有一定的热门性。

作者：zdrjlamp

声明

本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系admin@php.cn

哪些常见问题会导致PHP会话失败？Apr 25, 2025 am 12:16 AM

PHPSession失效的原因包括配置错误、Cookie问题和Session过期。1.配置错误：检查并设置正确的session.save_path。2.Cookie问题：确保Cookie设置正确。3.Session过期：调整session.gc_maxlifetime值以延长会话时间。

您如何在PHP中调试与会话相关的问题？Apr 25, 2025 am 12:12 AM

在PHP中调试会话问题的方法包括：1.检查会话是否正确启动；2.验证会话ID的传递；3.检查会话数据的存储和读取；4.查看服务器配置。通过输出会话ID和数据、查看会话文件内容等方法，可以有效诊断和解决会话相关的问题。

如果session_start（）被多次调用会发生什么？Apr 25, 2025 am 12:06 AM

多次调用session_start()会导致警告信息和可能的数据覆盖。1)PHP会发出警告，提示session已启动。2)可能导致session数据意外覆盖。3)使用session_status()检查session状态，避免重复调用。

您如何在PHP中配置会话寿命？Apr 25, 2025 am 12:05 AM

在PHP中配置会话生命周期可以通过设置session.gc_maxlifetime和session.cookie_lifetime来实现。1)session.gc_maxlifetime控制服务器端会话数据的存活时间，2)session.cookie_lifetime控制客户端cookie的生命周期，设置为0时cookie在浏览器关闭时过期。

使用数据库存储会话的优点是什么？Apr 24, 2025 am 12:16 AM

使用数据库存储会话的主要优势包括持久性、可扩展性和安全性。1.持久性：即使服务器重启，会话数据也能保持不变。2.可扩展性：适用于分布式系统，确保会话数据在多服务器间同步。3.安全性：数据库提供加密存储，保护敏感信息。

您如何在PHP中实现自定义会话处理？Apr 24, 2025 am 12:16 AM

在PHP中实现自定义会话处理可以通过实现SessionHandlerInterface接口来完成。具体步骤包括：1)创建实现SessionHandlerInterface的类，如CustomSessionHandler；2)重写接口中的方法（如open,close,read,write,destroy,gc）来定义会话数据的生命周期和存储方式；3)在PHP脚本中注册自定义会话处理器并启动会话。这样可以将数据存储在MySQL、Redis等介质中，提升性能、安全性和可扩展性。

什么是会话ID？Apr 24, 2025 am 12:13 AM

SessionID是网络应用程序中用来跟踪用户会话状态的机制。1.它是一个随机生成的字符串，用于在用户与服务器之间的多次交互中保持用户的身份信息。2.服务器生成并通过cookie或URL参数发送给客户端，帮助在用户的多次请求中识别和关联这些请求。3.生成通常使用随机算法保证唯一性和不可预测性。4.在实际开发中，可以使用内存数据库如Redis来存储session数据，提升性能和安全性。