| |
現(xiàn)在的CMS都自帶了采集功能，內(nèi)容和標(biāo)題相對(duì)來(lái)說(shuō)很好處理，但大部分情況關(guān)鍵詞很難能提取到。于是自動(dòng)獲取關(guān)鍵字成為當(dāng)前PHP類CMS的“傳統(tǒng)問(wèn)題”。那如何才能自動(dòng)獲取關(guān)鍵詞呢，其主要步驟主要可以分為如下三個(gè)步驟：
1，通過(guò)分詞算法將標(biāo)題和內(nèi)容分別進(jìn)行分割，提取出關(guān)鍵詞和頻度在內(nèi)容的分詞階段，當(dāng)前主要的兩個(gè)算法是中科院的ICTCLAS和隱馬爾可夫模型。但這兩個(gè)都太高端，有一定的門(mén)檻，且都是只支持C++/JAVA�；赑HP的當(dāng)前有兩個(gè)是值得推薦的PSCWS和HTTPCWS。 SCWS于2008-03-08發(fā)布1.0.0 正式版，到現(xiàn)在最新版本已經(jīng)到了1.0.4。PSCWS是它的PHP版。而HTTPCWS是張宴開(kāi)發(fā)的，之前叫PHPCWS。PHPCWS 先使用“ICTCLAS 3.0 共享版中文分詞算法”的API進(jìn)行初次分詞處理，再使用自行編寫(xiě)的“逆向最大匹配算法”對(duì)分詞和進(jìn)行詞語(yǔ)合并處理，并增加標(biāo)點(diǎn)符號(hào)過(guò)濾功能，得出分詞結(jié)果。目前僅支持Linux/Unix系統(tǒng)。
2，將提取結(jié)果與現(xiàn)有詞庫(kù)進(jìn)行比較，得到最符合規(guī)則的關(guān)鍵詞這里主要就是要看詞庫(kù)了，我們可以自己定義詞庫(kù)，也可以使用現(xiàn)有的成熟詞庫(kù)。
3，然后將這兩套關(guān)鍵詞進(jìn)行比較，得到最符合當(dāng)前內(nèi)容的關(guān)鍵詞在這個(gè)階段就是具體情況具體分析了。當(dāng)前PHP類CMS都自有自己的提取關(guān)鍵詞系統(tǒng)。其中在網(wǎng)絡(luò)上流傳最廣的是DEDECMS的分詞源碼，我也在我的POPCMS上作過(guò)測(cè)試，效果很不錯(cuò)，不過(guò)類似“我們”等無(wú)意義的詞提取并被列為關(guān)鍵詞的頻率太高，甚至有時(shí)候還會(huì)把空格的HTML提出來(lái)做為關(guān)鍵詞，亟待改進(jìn)。不過(guò)如果作為輔助功能，它已經(jīng)很好了。另外PHPCMS和DISCUZ的自動(dòng)提取關(guān)鍵詞功能也很強(qiáng)大。 |
| 【收藏】【打印】【進(jìn)入論壇】 |
|
|
|
|
| |
|
|
|
