用于词聚类/NLP 的 PHP 库？

发布于 2024-12-13 04:31:28 字数 227 浏览 0 评论 0原文

我想要实现的是一个相当简单的“获取搜索结果（如标题和简短描述），将它们聚类成有意义的命名组”的 PHP 程序。

经过几个小时的谷歌搜索和无数次搜索（一如既往地产生有趣的结果，尽管没有什么真正有用的），我仍然无法找到任何可以帮助我处理集群的 PHP 库。

有没有这样一个我可能错过的 PHP 库？
如果没有，是否有任何可以处理集群并具有不错的 API 的 FOSS？

原文

分享到QQ

分享到微博

如果你对这篇内容有疑问，欢迎到本站社区发帖提问参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。

发布评论

需要登录才能够评论，你可以免费注册一个本站的账号。

独行侠 2024-12-20 04:31:28

像这样：

使用停用词列表，获取不在停用词中的所有单词或短语，计算每个单词或短语的出现次数，按降序排序。

停用词必须是所有常见英语术语的列表。它还应该包括标点符号，并且您需要首先将所有标点符号 preg_replace 为一个单独的单词，例如“Something，like this”。 -> “有什么东西，比如这样。”或者，您可以删除所有标点符号。

$content=preg_replace('/[^a-z\s]/', '', $content); // remove punctuation

$stopwords='the|and|is|your|me|for|where|etc...';
$stopwords=explode('|',$stopwords);
$stopwords=array_flip($stopwords);

$result=array(); $temp=array();
foreach ($content as $s)
if (isset($stopwords[$s]) OR strlen($s)<3)
 {
 if (sizeof($temp)>0)
  {
  $result[]=implode(' ',$temp);
  $temp=array();
  }            
 } else $temp[]=$s;
if (sizeof($temp)>0) $result[]=implode(' ',$temp);

$phrases=array_count_values($result);
arsort($phrases);

现在您有一个关联数组，按照输入数据中出现的术语的频率排列。

您想要如何进行匹配取决于您，并且很大程度上取决于输入数据中字符串的长度。

我将查看前 3 个数组键中的任何一个是否与数据中任何其他数组中的前 3 个中的任何一个相匹配。这些就是您的组。

如果您对此有任何疑问，请告诉我。

Like this:

Use a list of stopwords, get all words or phrases not in the stopwords, count occurances of each, sort in descending order.

The stopwords needs to be a list of all common English terms. It should also include punctuation, and you will need to preg_replace all the punctuation to be a separate word first, e.g. "Something, like this." -> "Something , like this ." OR, you can just remove all punctuation.

$content=preg_replace('/[^a-z\s]/', '', $content); // remove punctuation

$stopwords='the|and|is|your|me|for|where|etc...';
$stopwords=explode('|',$stopwords);
$stopwords=array_flip($stopwords);

$result=array(); $temp=array();
foreach ($content as $s)
if (isset($stopwords[$s]) OR strlen($s)<3)
 {
 if (sizeof($temp)>0)
  {
  $result[]=implode(' ',$temp);
  $temp=array();
  }            
 } else $temp[]=$s;
if (sizeof($temp)>0) $result[]=implode(' ',$temp);

$phrases=array_count_values($result);
arsort($phrases);

Now you have an associative array in order of the frequency of terms that occur in your input data.

How you want to do the matches depends upon you, and it depends largely on the length of the strings in the input data.

I would see if any of the top 3 array keys match any of the top 3 from any other in the data. These are then your groups.

Let me know if you have any trouble with this.

回复收藏 0 原文